Kronecker product - Wikipedia, the free encyclopedia

外森比克不等式推论英文回答：The Jensen's inequality is a fundamental result in mathematical analysis that relates the convexity of a function to the inequality of its expected value. The inequality states that for any convex function f(x) and any probability distribution P, the expected value of f(X) is greater than or equal to f(E(X)), where X is a random variable with distribution P.One important consequence of the Jensen's inequality is the Hölder's inequality, which provides a bound on the product of two functions. Hölder's inequality states that for any two functions f(x) and g(x), both of which are non-negative and integrable over a given interval, the integral of their product is less than or equal to the product of their integrals raised to a certain exponent.Mathema tically, it can be expressed as ∫(f(x)g(x))dx ≤ ( ∫f(x)^p dx )^(1/p) ( ∫g(x)^q dx )^(1/q), where p and qare positive real numbers such that 1/p + 1/q = 1.Another consequence of the Jensen's inequality is the Cauchy-Schwarz inequality, which provides a bound on the inner product of two vectors. The Cauchy-Schwarz inequality states that for any two vectors u and v in a given inner product space, the absolute value of their inner product is less than or equal to the product of their norms. Mathematical ly, it can be expressed as |<u, v>| ≤ ||u|| ||v||, where <u, v> denotes the inner product of u and v, and ||u|| and ||v|| denote the norms of u and v, respectively.In addition, the Jensen's inequality is also used in probability theory to prove the subadditivity of entropy. The entropy of a random variable measures the amount of uncertainty associated with its outcomes. The subadditivity of entropy states that the entropy of the sum of two random variables is less than or equal to the sum of their individual entropies. This property is important in the study of information theory and has applications in various fields, including data compression and cryptography.Overall, the Jensen's inequality is a powerful tool in mathematical analysis and has numerous applications in various branches of mathematics and other fields. It provides a framework for understanding the relationship between convexity and inequality, and its consequences have wide-ranging implications.中文回答：外森比克不等式是数学分析中的一个基本结果，它将函数的凸性与其期望值的不等式联系起来。

矩阵的Kronecker 积及其应用陈蔚(集美大学理学院数学系2005届，厦门 361021）[摘要］ 本文主要介绍了矩阵理论中的Kronecker 积，通过对概念的引入，性质、定理的推导，简单地体现出矩阵的Kronecker 积在求解几类矩阵方程中的应用.［关键词] Kronecker 积,特征值，拉直，1ti i i A XB F ==∑矩阵方程，AX ＋F XB =矩阵方程，X－F AXB =矩阵方程,矩阵微分方程0、引言众所周知，我们学习到的矩阵运算中，普遍提及的均是乘积问题，两矩阵可以相乘的条件是：前面矩阵的列数必须等于后面矩阵的行数,如果不满足这个条件，则我们就无法求解这两个矩阵的乘积,但我们却可以求它们的Kronecker 积。

对于矩阵的Kronecker 积问题，绝大多数人是陌生的。

本文主要介绍了Kronecker 积的定义、性质、应用，让大家一起来领略这个新知识点的风采。

文中所用到的符号均可从参考文献[1—11]中找到。

一、 矩阵的Kronecker 积的概念[1]1.1定义 设()m n ij A a C ⨯=∈, C b B qp ij ⨯∈=)(，则称如下的分块矩阵111212122212n n mp nq m m mn B B a a a B a a a BB B A BC a a a BBB ⨯⎛⎫⎪⎪⊗=∈ ⎪⎪⎝⎭为A 与B 的Kronecker 积（也称为直积或张量积）。

B A ⊗是一个n m ⨯块的分块矩阵,所以上式还可以简写为B A ⊗=()ij a B 。

例1.1 设),,(321a a a T A =， ),(21b b B T =，求B A ⊗和A B ⊗.解 B A ⊗=()111221223132123T a Ba ab a b a b a b a b a b Ba B⎛⎫⎪= ⎪ ⎪⎝⎭，，，，，,A B ⊗=()11121321222312Tb A b a b a b a b a b a b a b A ⎛⎫=⎪⎝⎭，，，，，。

摘要按照矩阵乘法的定义，我们知道要计算矩阵的乘积AB，就要求矩阵A的列数和矩阵B的行数相等，否则乘积AB是没有意义的。

那是不是两个矩阵不满足这个条件就不能计算它们的乘积呢本文将介绍矩阵的一种特殊乘积BA ，它对矩阵的行数和列数的并没有具体的要求，它叫做矩阵的Kronecker积（也叫直积或张量积）。

本文将从矩阵的Kronecker积的定义出发，对矩阵的Kronecker积进行介绍和必要的说明。

之后，对Kronecker积的运算规律，可逆性，秩，特征值，特征向量等性质进行了具体的探究，得出结论并加以证明。

此外，还对矩阵的拉直以及矩阵的拉直的性质进行了说明和必要的证明。

矩阵的Kronecker积是一种非常重要的矩阵乘积，它应用很广，理论方面在诸如矩阵方程的求解，矩阵微分方程的求解等矩阵理论的研究中有着广泛的应用，实际应用方面在诸如图像处理，信息处理等方面也起到重要的作用。

本文讨论矩阵的Kronecker积的性质之后还会具体介绍它在矩阵方程中的一些应用。

关键词：矩阵；Kronecker积；矩阵的拉直；矩阵方程；矩阵微分方程Properties and Applications of matrix KroneckerproductAbstractAccording to the definition of matrix multiplication, we know that to calculate the matrix product AB, requires the number of columns of the matrix A and matrix B is equal to the number of rows, otherwise the product AB makes no is not two matrices not satisfy this condition will not be able to calculate their product doThis article will describe a special matrix product BA , the number of rows and columns of a matrix and its no specific requirements, it is called the matrix Kronecker product (also called direct product or tensor product).This paper will define the matrix Kronecker product of view, the Kronecker product matrix are introduced and the necessary instructions. Thereafter, the operation rules Kronecker product, the nature of reversibility, rank, eigenvalues, eigenvectors, etc. specific inquiry, draw conclusions and to prove it. In addition, the properties of the stretch of matrix and its nature have been described and the necessary proof.Kronecker product matrix is a very important matrix product, its use is very broad, theoretical research, and other matrix solving differential equations, such as solving the matrix equation matrix theory has been widely applied in practical applications such as image processing aspects of information processing, also play an important role. After the article discusses the nature of the matrix Kronecker product it will introduce a number of specific applications in the matrix equation. Keywords:Matrix; Kronecker product; Stretch of matrix; Matrix equation; Matrix Differential Equations目录摘要 ........................................................................ I Abstract ................................................................... II 第一章 矩阵的Kronecker 积 . (1)矩阵的Kronecker 积的定义 ................................................ 1 矩阵的Kronecker 积的性质 ................................................ 1 第二章 Kronecker 积的有关定理及推论 .......................................... 6 第三章 矩阵的拉直 (9)矩阵的拉直的定义 ......................................................... 9 矩阵的拉直的性质 ......................................................... 9 第四章 矩阵的Kronecker 积与矩阵方程 .. (11)矩阵的Kronecker 积与Lyapunov 矩阵方程 ................................... 11 矩阵的Kronecker 积与一般线性矩阵方程 .................................... 13 矩阵的Kronecker 积与矩阵微分方程 ........................................ 14 参考文献.................................................................... 16 致谢 .. (18)符号说明W a W a 属于集合元素nm ij a A ⨯=)( 矩阵的记法列元素的行为以n m j i a ij⨯ij A )( 列的元素行的矩阵j i AT A 的转置矩阵A H A 的共轭转置矩阵A1-A 的逆矩阵矩阵A→A 按行拉直得到的列向量矩阵AA det 的行列式方阵AtrA 的主对角元素之和的迹，方阵A A)(A rank 的秩矩阵A)(A λ 的特征值方阵An I 阶单位矩阵nR 实数域 C 复数域n C 维复向量的全体n n m C ⨯ 复矩阵全体n m ⨯O 零矩阵B A ⊗ 的和矩阵B A Kronecker 积第一章 矩阵的Kronecker 积矩阵的Kronecker 积的定义定义设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，定义A 和B 的Kronecker 积（或直积，张量积）B A ⊗为：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B a B a B a B a B a B a B a B a B a B A mn m m n n 212222111211 可以看出，其结果是一个)()(nq mp ⨯矩阵，同时也是一个以B a ij 为子块的分块矩阵.例 设⎥⎦⎤⎢⎣⎡-=1201A ，[]31-=B ，则 ⎥⎦⎤⎢⎣⎡---=⎥⎦⎤⎢⎣⎡-=⊗316200312B B O BB A []⎥⎦⎤⎢⎣⎡---=-=⊗361203013A A A B 由此可见，B A ⊗与A B ⊗具有相同的阶数，但是它们并不相等，也就是说，Kronecker 积不满足交换律.矩阵的Kronecker 积的性质虽然Kronecker 积不满足交换律，但是具有以下一些性质： 性质 设矩阵n m C A ⨯∈，矩阵q p C O ⨯∈，则O O A A O =⊗=⊗（这个O 为)()(nq mp ⨯矩阵）.证明：略.性质 设k 为任一常数，矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B A k kB A B kA ⊗=⊗=⊗.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n ka ka ka ka ka ka ka ka ka kA 212222111211， 根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B kA mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka kB a kB a kB a kB a kB a kB a kB a kB a kB a kB A mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， 即)(B A k B kA ⊗=⊗，)()(B A k kB A ⊗=⊗. 所以)()()(B A k kB A B kA ⊗=⊗=⊗.性质 设A ，B 为同阶矩阵（同阶是为了可以做加法），则C B C A C B A ⊗+⊗=⊗+)(，B C A C B A C ⊗+⊗=+⊗)(.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n b b b b b b b b b B 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=+mn mn m m m m n n n n b a b a b a b a b a ba b a b a b a B A221122222221211112121111，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗+C b a C b a C b a C b a Cb aC b a C b a C b a C b a C B A mn mn m m m m n n n n )()()()()()()()()()(221122222221211112121111*，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C a C a C a C a C a C a C a C a C a C A mn m m n n 212222111211 *， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C b C b C b C b C b C b C b C b C b C B mn m m n n 212222111211 *，由*，*得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C A mn mn m m m m n n n n 221122222221211112121111 *， 由*，*可得：C B C A C B A ⊗+⊗=⊗+)(.同理设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n c c c c c cc c c C 212222111211可证：B C A C B A C ⊗+⊗=+⊗)(.性质 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s r C F ⨯∈，则)()(F B A F B A ⊗⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⊗⊗⊗⊗⊗⊗⊗⊗⊗=⊗⊗)()()()()()()()()()(212222111211F B a F B a F B a F B a F B a F B a F B a F B a F B a F B A mn m m n n)(212222111211F B A F B a B a B a B a B a B a B a B a B a mn m m n n ⊗⊗=⊗⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡= 得证.性质设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s n C F ⨯∈,矩阵t q C D ⨯∈，则)()())((BD AF D F B A ⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=ns n n s s f f f f f f f f f F212222111211， 则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗⊗D f D f Df D f D f Df D f D f D f B a B a B a B a B a B a B a B a B a D F B A ns n n s s mn m m n n212222111211212222111211))(()()()()()()()()()()()(112111112211211121111BD AF BD f a BD f a BD f a BD c a BD f a BD f a BD f a BD f a BD f a nk ks mk n k k mk n k k mk nk ks k n k k k n k k k n k ks k n k k k n k k k ⊗=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=∑∑∑∑∑∑∑∑∑=========得证.性质 设矩阵m m C A ⨯∈可逆， 且矩阵n n C B ⨯∈可逆，则B A ⊗可逆，且111)(---⊗=⊗B A B A .证明：mn n m I I I BB AA B A B A =⊗=⊗=⊗⊗----)()())((1111(这里I n 与数的乘法中的1起到相同的作用)， 故111)(---⊗=⊗B A B A .性质 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则T T T B A B A ⊗=⊗)(H H H B A B A ⊗=⊗)(证明： ij T T T ji ij T B A B a B A ][])[(⊗==⊗ 得证.同理可证：H H H B A B A ⊗=⊗)(.性质 两个正交（酉）矩阵的Kronecker 积还是正交（酉）矩阵. 证明：设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈.因为A ，B 都是正交（酉）矩阵，所以有m T T I A A AA ==，n T T I B B BB ==. 由性质和性质可得：mn n m T T T T T I I I BB AA B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(())((. mn m n T T T T T I I I B B A A B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(()()(.故mn T T I B A B A B A B A =⊗⊗=⊗⊗)()())((. 得证.第二章 Kronecker 积的有关定理及推论定理 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B rank A rank B A rank =⊗.证明：设rank A=r ，rank B=s ，A ，B 的标准形分别为：1111--⎥⎦⎤⎢⎣⎡=Q O O O I P A r ，1212--⎥⎦⎤⎢⎣⎡=Q O O O I P B s其中i P ，i Q =i (1，2)均为非奇异矩阵，则由性质和可以得：`1211211211121112121111)()()()(----------⊗⎥⎦⎤⎢⎣⎡⊗=⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡⊗=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡=⊗Q Q O O O I P P Q Q O O O I O O O I P P Q O O O I P Q O O O I P B A rss r s r 所以)()()(B rank A rank s r B A rank =•=⊗ 得证.定理 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B A ⊗对应特征值λμ的一个特征向量.证明：因为x ，y 都是非零向量，所以x ⊗y 也是非零向量，由性质和性质可得：)()()()()())((y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗λμμλ.所以，y x ⊗是B A ⊗对应特征值λμ的一个特征向量.推论 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若A 的特征值是1λ，2λ，…，m λ；B 的特征值是1μ，2μ，…，n μ，则B A ⊗的特征值为t s μλ，m s ≤≤1，n t ≤≤1（k 重根算k 个）.定理 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.证明：由性质，性质可以得到：)()()()())((y x y x y I Ax y x I A n n ⊗=⊗=⊗=⊗⊗λλ， )()()()())((y x y x By x I y x B I m m ⊗=⊗=⊗=⊗⊗μμ，故))(())(())(())((y x y x B I y x I A y x B I I A m n m n ⊗+=⊗⊗+⊗⊗=⊗⊗+⊗μλ.所以，y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.推论 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m s C x ∈和n t C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ，2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，则B I I A m n ⊗+⊗的n m •个特征值为{t s μλ+}.(s=1，2，…，m ；t=1，2，…，n ).例 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m i C x ∈和n j C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ， 2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，证明：矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量为j i y x ⊗.(i=1，2，…，m ；j=1，2，…，n ).证明：由性质和性质可得：))(()()()()())((j i j i j j i i j i j i y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗μλμλ，故有：))(1())(()())(()())(())(())](()[(j i j i j i j i j i j i j i j i mn j i j i n m j i n m y x y x y x y x y x I y x B A y x I I y x B A I I ⊗-=⊗-⊗=⊗-⊗=⊗⊗-⊗⊗=⊗⊗-⊗μλμλμλ所以，矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量j i y x ⊗. 定理 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则trB trA B A tr •=⊗)(证明：由Kronecker 积和迹的定义可得：trBtrA trB a trB a trB a B a tr B a tr B a tr B A tr nn nn •=+++=+++=⊗ 22112211)()()()(得证.定理 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则m n B A B A )(det )(det )det(=⊗证明：设A 的特征值为1λ，2λ，…，m λ，B 的特征值为1μ，2μ，…，n μ， 由推论可得：mn m n n m n m m n n nj j m nj j mnji nj j j i B A B A )(det )(det )()()())(())(()()()()()det(21211212111112,11=====⊗∏∏∏∏===μμμλλλμλμλμλμλμλμλμλμλμλμλ得证.第三章 矩阵的拉直矩阵的拉直的定义定义 设n m ij a A ⨯=)(，定义矩阵A 的按行拉直为：T mn m n n a a a a a a A A vec )()(1221111，，，，，，，，， ==→即矩阵A 的拉直是一个mn 元的列向量，它是由矩阵A 所有元素按行顺序依次排成一列得到的.例如：⎥⎦⎤⎢⎣⎡=d c b a A ，则矩阵A 的拉直为T d c b a A )(，，，=→.矩阵的拉直的性质矩阵的拉直具有以下性质： 性质 设矩阵nm C A ⨯∈，矩阵nm CB ⨯∈，k 和l 是常数，则(lB kA +=→→+B l A k .证明：略.性质 设n m ij t a t A ⨯=))(()(，则dtt dA (=dt d)(t A . 证明：左边==))((dtt dA vet ij a vet ((′)))(n m t ⨯ = [(a 11′(t )，…，a n 1′(t )，a 21′(t )，…，a n 2′(t )，…，a 1m ′(t )，…，a mn ′(t ) ]T=[(a 11(t )，…，a n 1(t )，a 21(t )，…，a n 2(t )，…，a 1m (t )，…，a mn (t ) )T ]′ = ))](([t A vet ′=))](([t A vec dtd=右边，得证. 性质设矩阵nm C A ⨯∈，矩阵pn CX ⨯∈，矩阵qp CB ⨯∈，则→⊗=X B A T)(.证明：设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，T n x x X )(1，， =→，其中，T i x 是X 的第i 行=i (1，2，…，)n ，则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=B x a x a B x a x a AXB T n mn T m Tn n T )()(111111 ，⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=→n x x X 1 所以T Tn mn T m T n n T B x a x a B x a x a ])()[(111111++++= ，， →⊗=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=X B A x x B a B a B a B a x a x a B x a x a B n T mn T m T n T n mn m T n n T )()()()()(11111111111 得证. 推论 设矩阵m m C A ⨯∈，矩阵n m C X ⨯∈，矩阵n n C B ⨯∈，则有1.AX →⊗=X I A n )( 2.→⊗=X B I Tm )(.3(AX +)→⊗+⊗=X B I I A Tm n )(.第四章 矩阵的Kronecker 积与矩阵方程矩阵的Kronecker 积与Lyapunov 矩阵方程设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，矩阵n m C F ⨯∈，解Lyapunov 矩阵方程：AX+XB=F.第一步：将方程两边拉直，由推论可得：→→=⊗+⊗C X B I I A Tm n )(.第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程有解的充要条件是：Tm n B I I A rank ⊗+⊗(┊)()T m n B I I A rank C ⊗+⊗=→，：有唯一解的充要条件是det(A ⊗I n + I m ⊗B T )≠0，即A 和(-B )没有公共的特征值或者说A 和B 无互为相反数的特征值.例 分别在下2列条件下解矩阵方程AX+XB=C.(1) ⎥⎦⎤⎢⎣⎡-=0112A ，⎥⎦⎤⎢⎣⎡=42-1-3B ，⎥⎦⎤⎢⎣⎡--=1081710C (2) ⎥⎦⎤⎢⎣⎡=3201A ，⎥⎦⎤⎢⎣⎡--=1052B ，⎥⎦⎤⎢⎣⎡--=11353C 解：(1) 首先计算A 和B 的特征值，解0=-A I λ得：121==λλ，解0=-B I μ得：5221==μμ，.观察有无互为相反数的特征值发现，A 和B 没有互为相反数的特征值，所以矩阵方程有唯一解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(.设⎥⎦⎤⎢⎣⎡=4321x x x x X ，计算⎥⎦⎤⎢⎣⎡--=4123TB ，将A ，T B ，X ，C 代入得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡-108171041231001100101124321x x x x ，计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------108171041102301106101254321x x x x ， 根据矩阵的乘法的定义可以求得：21314321-===-=x x x x ，，，. 故矩阵方程AX+XB=C 的唯一解为：⎥⎦⎤⎢⎣⎡--=2131X . (2) 同样先计算A 和B 的特征值，解0=-A I λ得：3121==λλ，， 解0=-B I μ得：1221-==μμ，.通过观察可知：021=+μλ. 一所以矩阵方程的解不唯，即存在通解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(.设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡--=1502TB ，将A ，T B ，X ，C 代入得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡1135315021001100132014321x x x x ， - 计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--113532520050200050034321x x x x ，根据矩阵的乘法的定义可以求得：c x x c x x -=-===3114321，，，. 故矩阵方程AX+XB=C 的通解为：⎥⎦⎤⎢⎣⎡--=c c X 311(c 为任意常数).矩阵的Kronecker 积与一般线性矩阵方程设矩阵n m k C A ⨯∈，矩阵q p C B ⨯∈，矩阵q m C F ⨯=，解一般线性矩阵方程：F XB Ark k k=∑=1(r = 1，2，…).第一步，将矩阵方程两边拉直，由性质可以得到：∑=→→=⊗rk T kk F X B A 1)][(.第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程有解的充要条件是：∑⊗)((Tkk B A rank ┊))(()1∑=→⊗=rk Tkk B A rank F . 即∑=⊗rk Tkk B A 1)(的所有特征值均不为0. 例 设A 和C 都是n ⨯n 矩阵，A 的特征值λi （i=0，1，2，…，n ）R ∈（实数），求证：矩阵方程C XA A AXA X =++22有唯一解.证明：将两边方程拉直得到：→→=⊗+⊗+⊗C X A A A A I I T T n n ])([(22，化简得到：→→=⊗+⊗+C X A A A A I TTn ])()([22.由定义可知：T A A ⊗的2n 个特征值是=j i j i ，(λλ0，1，2，…，n ). 故：2)()(2T T n A A A A I ⊗+⊗+的2n 个特征值是：22)21(43)()(1j i j i j i λλλλλλ++=++＞00(=j i ，，1，2，…，n ). 即2)()(2T T n A A A A I ⊗+⊗+是可逆的，由唯一解的判断方法可知：矩阵方程C XA A AXA X =++22有唯一解.例 在下列条件下解矩阵方程C XB A XB A =+2211.已知：⎥⎦⎤⎢⎣⎡-=20311A ，⎥⎦⎤⎢⎣⎡-=13101B ，⎥⎦⎤⎢⎣⎡-=11022A ，⎥⎦⎤⎢⎣⎡-=01232B ，⎥⎦⎤⎢⎣⎡--=48213C . 解：将矩阵方程两边拉直得到：→→=⊗+⊗C X B A B A T T)(2211. *设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡-=11301T B 和 ⎥⎦⎤⎢⎣⎡-=02132TB 代入*得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-+⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-4821302131102113020314321x x x x .计算化简得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------4821320027313331390564321x x x x . 根据矩阵的乘法的定义可以求得：10214321===-=x x x x ，，，.计算T T B A B A rank 2211(⊗+⊗┊4)()2211=⊗+⊗=TT B A B A rank C ， 所以方程有唯一解：⎥⎦⎤⎢⎣⎡-=1021X . 矩阵的Kronecker 积与矩阵微分方程设m m C A ⨯∈矩阵，n n C B ⨯∈矩阵，n m C t X ⨯∈)(，求下列矩阵微分方程初值问题的解：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX 引理：设m m C A ⨯∈矩阵A ，矩阵n m C B ⨯∈，则n A I A I e e n ⊗=⊗，B m B I e I e m ⊗=⊗. 证明：因为性质可得：∑∑∞=∞=⊗⊗=⊗=11)(!1)(!1k k k k kI A I A k I A k enn A k kI e I A k ⊗=⊗=∑∞=1)!1(. 同理可证：B m B I e I e m ⊗=⊗.将矩阵微分方程两边拉直，由推论可以得到：⎪⎩⎪⎨⎧=⊗+⊗=→00(()()(X X t X B I I A dt t X d T m n 由引理可得：T t B At tB AtB I I A t TT m n e X e X ee X et X )()()(000)(=⊗==→→⊗+⊗，又因为∑∑∞=∞====11!1))(!1()(k Bt k k T k k k T Tt B e t B k t B k eT ，故Bt At e X e t X 0)(= 这就是微分方程的解.例 求解下列矩阵微分方程的初值问题：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX已知：⎥⎦⎤⎢⎣⎡=0011A ，⎥⎦⎤⎢⎣⎡-=0011B ，⎥⎦⎤⎢⎣⎡=10010X . 解：可计算得到：⎥⎦⎤⎢⎣⎡-=101t tAte e e，⎥⎦⎤⎢⎣⎡-=101t t Bte e e .由式可以得到： ⎥⎦⎤⎢⎣⎡--==10)1()(220t tBtAt e e eX e t X . 即的解为⎥⎦⎤⎢⎣⎡--=10)1()(22t te e t X . 通过本章的学习，我们知道矩阵的Kronecker 积在解矩阵方程领域有很大的作用，利用Kronecker 积的性质，我们可以解决Lyapunov 矩阵方程，一般矩阵方程，矩阵微分方程的初值问题等问题.参考文献[1]矩阵论简明教程（第三版）.徐仲等编.北京：科学出版社..[2]矩阵论教程（第2版）.张绍飞，赵迪编.北京：机械工业出版社..[3]矩阵论引论（第2版）.陈祖明，周家胜编.北京：北京航空航天大学出版社..[4]矩阵论十讲.李乔，张晓东编.合肥：中国科学技术大学出版社..[5]矩阵理论及方法.谢冬秀，雷纪刚，陈桂芝编.北京：科学出版社.2012.[6]H-矩阵类的理论及应用.徐仲等编.北京：科学出版社.2013.[7]高等代数教程（上）.王萼芳编.北京：清华大学出版社.1997（2008重印）.[8]常微分方程（第二版）.东北师范大学微分方程教研室.北京：高等教育出版社.（重印）.[9]矩阵分析与应用（第2版）.张贤达编.北京：清华大学出版社.2013（重印）.[10]线性代数及其应用.毛立新，咸美新编.北京：高等教育出版社..[11]线性代数（第2版）.钟玉泉，周建编.北京：科学出版社..[12]矩阵理论与方法（第2版）.吴昌悫，魏洪增编.北京：电子工业出版社..[13]线性代数学习指导.赵春燕，单净，王麟编.哈尔滨：哈尔滨工程大学出版社..[14]矩阵论.张凯院等编.北京：科学出版社.2013.[15]矩阵论导教·导学·导考.张凯院，徐仲编.西安：西北工业大学出版社..[16]矩阵函数与矩阵方程.柏兆俊，高卫国，苏仰锋编.北京：高等教育出版社..[17]矩阵分析.姜志侠，孟品超，李延忠编.北京：清华大学出版社.2015.[18]矩阵论札论.梁昌洪编.北京：科学出版社.2014.[19]线性代数及其应用.马新顺，王涛，郭燕编.北京：高等教育出版社..[20]矩阵论引论.田振际，王永铎，吴德军编.北京：科学出版社.2013.[21]线性代数及其应用（第2版）.河北农业大学理学院编.北京：高等教育出版社..（重印）.[22]线性代数及其应用.王坤龙编.北京：电子工业出版社..[23]线性代数（第2版）.许峰，范爱华编.合肥：中国科学技术大学出版社..[24]线性代数及其应用.俞方元编.上海：同济大学出版社..[25]线性代数学习指导.谢政，陈挚编.北京：清华大学出版社..[26]高等线性代数学.黎景辉，白正简，周国晖编.北京：高等教育出版社..[27]线性代数讲义.江惠坤，邵荣，范红军编.北京：科学出版社.2013.[28]线性代数.贾屹峰编.上海：上海交通大学出版社.2012.[29]线性代数.侯亚君，艾玲，沙萍，林洪娟编.北京：机械工业出版社.（重印）.[30]线性代数.郝秀敏，姜庆华编.北京：经济科学出版社..[31]线性代数.韩旸，王静宇，周莉编.北京：化学工业出版社..[32]线性代数重点难点考点辅导与精析.高淑萍，张剑湖编.西安：西北工业大学出版社..[33]线性代数.傅媛编.武汉：武汉大学出版社.（重印）.[34]跟我学线性代数：导学与习题精解.董晓波编.北京：机械工业出版社..[35]线性代数同步学习辅导.陈绍林，唐道远编.北京：科学出版社，.[36]线性代数及应用.刘三明编.南京：南京大学出版社..[37]线性代数.谭福锦，黎进香编.北京.人民邮电出版社..[38]工程数学.线性代数（第6版）.同济大学数学系编.北京：高等教育出版社..[39]矩阵分析与计算.李继根，张新发编.武汉：武汉大学出版社..[40]矩阵计算的理论与方法.徐树方编.北京：北京大学出版社..[41]矩阵分析及其应用.曾祥金，吴华安编.武汉：武汉大学出版社..[42]矩阵理论与应用.张跃辉编.北京：科学出版社..致谢通过一个月来不断的努力，终于完成了这篇毕业论文。

矩阵Kronecker乘积的性质与应用摘要按照矩阵乘法的定义，我们知道要计算矩阵的乘积AB，就要求矩阵A的列数和矩阵B的行数相等，否则乘积AB是没有意义的。

那是不是两个矩阵不满足这个条件就不能计算它们的乘积呢？本文将介绍矩阵的一种特殊乘积BA ，它对矩阵的行数和列数的并没有具体的要求，它叫做矩阵的Kronecker积（也叫直积或张量积）。

本文将从矩阵的Kronecker积的定义出发，对矩阵的Kronecker 积进行介绍和必要的说明。

之后，对Kronecker积的运算规律，可逆性，秩，特征值，特征向量等性质进行了具体的探究，得出结论并加以证明。

此外，还对矩阵的拉直以及矩阵的拉直的性质进行了说明和必要的证明。

矩阵的Kronecker积是一种非常重要的矩阵乘积，它应用很广，理论方面在诸如矩阵方程的求解，矩阵微分方程的求解等矩阵理论的研究中有着广泛的应用，实际应用方面在诸如图像处理，信息处理等方面也起到重要的作用。

本文讨论矩阵的Kronecker积的性质之后还会具体介绍它在矩阵方程中的一些应用。

关键词：矩阵；Kronecker积；矩阵的拉直；矩阵方程；矩阵微分方程Properties and Applications of matrix KroneckerproductAbstractAccording to the definition of matrix multiplication, we know that to calculate the matrix product AB, requires the number of columns of the matrix A and matrix B is equal to the number of rows, otherwise the product AB makes no sense.That is not two matrices not satisfy this condition will not be able to calculate their product do?This article will describe a special matrix product BA , the number of rows and columns of a matrix and its no specific requirements, it is called the matrix Kronecker product (also called direct product or tensor product).This paper will define the matrix Kronecker product of view, the Kronecker product matrix are introduced and the necessary instructions. Thereafter, the operation rules Kronecker product, the nature of reversibility, rank, eigenvalues, eigenvectors, etc. specific inquiry, draw conclusions and to prove it. In addition, the properties of the stretch of matrix and its nature have been described and the necessary proof.Kronecker product matrix is a very important matrix product, its use is very broad, theoretical research, and other matrix solving differential equations, such as solving the matrix equation matrix theory has been widely applied in practical applications such as image processing aspects of information processing, also play an important role. After the article discusses the nature of the matrix Kronecker product it will introduce a number of specific applications in the matrix equation. Keywords:Matrix; Kronecker product; Stretch of matrix; Matrix equation; Matrix Differential Equations目录摘要 .................................................................................................................................................. I Abstract ........................................................................................................................................... II 第一章 矩阵的Kronecker 积 (1)1.1 矩阵的Kronecker 积的定义 ........................................................................................... 1 1.2 矩阵的Kronecker 积的性质 ........................................................................................... 1 第二章 Kronecker 积的有关定理及推论 ...................................................................................... 6 第三章 矩阵的拉直 . (9)3.1矩阵的拉直的定义 ............................................................................................................ 9 3.2矩阵的拉直的性质 ............................................................................................................ 9 第四章 矩阵的Kronecker 积与矩阵方程 .. (11)4.1矩阵的Kronecker 积与Lyapunov 矩阵方程 ................................................................ 11 4.2矩阵的Kronecker 积与一般线性矩阵方程 .................................................................. 13 4.3矩阵的Kronecker 积与矩阵微分方程 .......................................................................... 14 参考文献......................................................................................................................................... 16 致谢 (18)符号说明W a W a 属于集合元素nm ij a A ⨯=)( 矩阵的记法列元素的行为以n m j i a ij⨯ij A )( 列的元素行的矩阵j i AT A 的转置矩阵A H A 的共轭转置矩阵A 1-A 的逆矩阵矩阵A→A 按行拉直得到的列向量矩阵AA det 的行列式方阵AtrA 的主对角元素之和的迹，方阵A A)(A rank 的秩矩阵A)(A λ 的特征值方阵An I 阶单位矩阵nR 实数域 C 复数域n C 维复向量的全体n n m C ⨯ 复矩阵全体n m ⨯O 零矩阵B A ⊗ 的和矩阵B A Kronecker 积第一章 矩阵的Kronecker 积1.1 矩阵的Kronecker 积的定义定义1.1设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，定义A 和B 的Kronecker 积（或直积，张量积）B A ⊗为：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B a B a B a B a B a B a B a B a B a B A mn m m n n 212222111211 可以看出，其结果是一个)()(nq mp ⨯矩阵，同时也是一个以B a ij 为子块的分块矩阵.例1.1 设⎥⎦⎤⎢⎣⎡-=1201A ，[]31-=B ，则 ⎥⎦⎤⎢⎣⎡---=⎥⎦⎤⎢⎣⎡-=⊗316200312B B O BB A []⎥⎦⎤⎢⎣⎡---=-=⊗361203013A A A B 由此可见，B A ⊗与A B ⊗具有相同的阶数，但是它们并不相等，也就是说，Kronecker 积不满足交换律.1.2 矩阵的Kronecker 积的性质虽然Kronecker 积不满足交换律，但是具有以下一些性质： 性质1.2.1 设矩阵n m C A ⨯∈，矩阵q p C O ⨯∈，则O O A A O =⊗=⊗（这个O 为)()(nq mp ⨯矩阵）.证明：略.性质1.2.2 设k 为任一常数，矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B A k kB A B kA ⊗=⊗=⊗.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n ka ka ka ka ka ka ka ka ka kA 212222111211，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B kA mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka kB a kB a kB a kB a kB a kB a kB a kB a kB a kB A mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， 即)(B A k B kA ⊗=⊗，)()(B A k kB A ⊗=⊗. 所以)()()(B A k kB A B kA ⊗=⊗=⊗.性质1.2.3 设A ，B 为同阶矩阵（同阶是为了可以做加法），则C B C A C B A ⊗+⊗=⊗+)(，B C A C B A C ⊗+⊗=+⊗)(.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n b b b b b b b b b B 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=+mn mn m m m m n n n n b a b a b a b a b a b a b a b a b a B A221122222221211112121111，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗+C b a C b a C b a C b a C b aC b a C b a Cb a C b a C B A mn mn m m m m n n n n )()()()()()()()()()(221122222221211112121111(1.1)*，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C a C a C a C a C a C a C a C a C a C A mn m m n n 212222111211 (1.2)*， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C b C b C b C b C b C b C b C b C b C B mn m m n n 212222111211 (1.3)*，由(1.2)*，(1.3)*得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C A mn mn m m m m n n n n 221122222221211112121111 (1.4)*， 由(1.1)*，(1.4)*可得：C B C A C B A ⊗+⊗=⊗+)(.同理设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n c c c c c cc c c C 212222111211可证：B C A C B A C ⊗+⊗=+⊗)(.性质1.2.4 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s r C F ⨯∈，则)()(F B A F B A ⊗⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⊗⊗⊗⊗⊗⊗⊗⊗⊗=⊗⊗)()()()()()()()()()(212222111211F B a F B a F B a F B a F B a F B a F B a F B a F B a F B A mn m m n n)(212222111211F B A F B a B a B a B a B a B a B a B a B a mn m m n n ⊗⊗=⊗⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡= 得证.性质1.2.5设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s n C F ⨯∈,矩阵t q C D ⨯∈，则)()())((BD AF D F B A ⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=ns n n s s f f f f f f f f f F212222111211， 则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗⊗D f D f D f D f D f Df D f D f D f B a B a B a B a B a B a B a B a B a D F B A ns n n s s mn m m n n212222111211212222111211))(()()()()()()()()()()()(112111112211211121111BD AF BD f a BD f a BD f a BD c a BD f a BD f a BD f a BD f a BD f a nk ks mk n k k mk n k k mk nk ks k n k k k n k k k n k ks k n k k k n k k k ⊗=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=∑∑∑∑∑∑∑∑∑=========得证.性质1.2.6 设矩阵m m C A ⨯∈可逆， 且矩阵n n C B ⨯∈可逆，则B A ⊗可逆，且111)(---⊗=⊗B A B A .证明：mn n m I I I BB AA B A B A =⊗=⊗=⊗⊗----)()())((1111(这里I n 与数的乘法中的1起到相同的作用)， 故111)(---⊗=⊗B A B A .性质1.2.7 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则T T T B A B A ⊗=⊗)(H H H B A B A ⊗=⊗)(证明： ij T T T ji ij T B A B a B A ][])[(⊗==⊗ 得证.同理可证：H H H B A B A ⊗=⊗)(.性质1.2.8 两个正交（酉）矩阵的Kronecker 积还是正交（酉）矩阵. 证明：设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈.因为A ，B 都是正交（酉）矩阵，所以有m T T I A A AA ==，n T T I B B BB ==. 由性质1.2.7和性质1.2.5可得：mn n m T T T T T I I I BB AA B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(())((. mn m n T T T T T I I I B B A A B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(()()(.故mn T T I B A B A B A B A =⊗⊗=⊗⊗)()())((. 得证.第二章 Kronecker 积的有关定理及推论定理2.2.2 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B rank A rank B A rank =⊗.证明：设rank A =r ，rank B=s ，A ，B 的标准形分别为：1111--⎥⎦⎤⎢⎣⎡=Q O O O I P A r ，1212--⎥⎦⎤⎢⎣⎡=Q O O O I P B s其中i P ，i Q =i (1，2)均为非奇异矩阵，则由性质1.2.5和1.2.6可以得：`1211211211121112121111)()()()(----------⊗⎥⎦⎤⎢⎣⎡⊗=⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡⊗=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡=⊗Q Q O OO I P P Q Q O O O I O OO I P P Q O O O I P Q O OO I P B A rssrsr所以)()()(B rank A rank s r B A rank =•=⊗ 得证.定理2.2.3 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B A ⊗对应特征值λμ的一个特征向量.证明：因为x ，y 都是非零向量，所以x ⊗y 也是非零向量，由性质1.2.2和性质1.2.5可得：)()()()()())((y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗λμμλ.所以，y x ⊗是B A ⊗对应特征值λμ的一个特征向量.推论2.2.4 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若A 的特征值是1λ，2λ，…，m λ；B 的特征值是1μ，2μ，…，n μ，则B A ⊗的特征值为t s μλ，m s ≤≤1，n t ≤≤1（k 重根算k 个）.定理2.2.5 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.证明：由性质1.2.3，性质1.2.5可以得到：)()()()())((y x y x y I Ax y x I A n n ⊗=⊗=⊗=⊗⊗λλ， )()()()())((y x y x By x I y x B I m m ⊗=⊗=⊗=⊗⊗μμ，故))(())(())(())((y x y x B I y x I A y x B I I A m n m n ⊗+=⊗⊗+⊗⊗=⊗⊗+⊗μλ.所以，y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.推论2.2.6 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m s C x ∈和n t C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ，2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，则B I I A m n ⊗+⊗的n m •个特征值为{t s μλ+}.(s=1，2，…，m ；t=1，2，…，n ).例2.2 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m i C x ∈和n j C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ， 2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，证明：矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量为j i y x ⊗.(i=1，2，…，m ；j=1，2，…，n ).证明：由性质1.2.3和性质1.2.5可得：))(()()()()())((j i j i j j i i j i j i y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗μλμλ，故有：))(1())(()())(()())(())(())](()[(j i j i j i j i j i j i j i j i mn j i j i n m j i n m y x y x y x y x y x I y x B A y x I I y x B A I I ⊗-=⊗-⊗=⊗-⊗=⊗⊗-⊗⊗=⊗⊗-⊗μλμλμλ所以，矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量j i y x ⊗. 定理2.2.7 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则trB trA B A tr •=⊗)(证明：由Kronecker 积和迹的定义可得：trBtrA trB a trB a trB a B a tr B a tr B a tr B A tr nn nn •=+++=+++=⊗ 22112211)()()()(得证.定理2.2.8 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则m n B A B A )(det )(det )det(=⊗证明：设A 的特征值为1λ，2λ，…，m λ，B 的特征值为1μ，2μ，…，n μ， 由推论2.2.4可得：mn m n n m n m m n n nj j m nj j mnji nj j j i B A B A )(det )(det )()()())(())(()()()()()det(21211212111112,11=====⊗∏∏∏∏===μμμλλλμλμλμλμλμλμλμλμλμλμλ得证.第三章 矩阵的拉直3.1矩阵的拉直的定义定义3.1 设n m ij a A ⨯=)(，定义矩阵A 的按行拉直为：T mn m n n a a a a a a A A vec )()(1221111，，，，，，，，， ==→即矩阵A 的拉直是一个mn 元的列向量，它是由矩阵A 所有元素按行顺序依次排成一列得到的.例如：⎥⎦⎤⎢⎣⎡=d c b a A ，则矩阵A 的拉直为T d c b a A )(，，，=→.3.2矩阵的拉直的性质矩阵的拉直具有以下性质：性质 3.2.1 设矩阵n m C A ⨯∈，矩阵n m C B ⨯∈，k 和l 是常数，则)(lB kA +=→→+B l A k .证明：略.性质3.2.2 设n m ij t a t A ⨯=))(()(，则dtt dA )(=dt d)(t A . 证明：左边==))((dtt dA vet ij a vet ((′)))(n m t ⨯ = [(a 11′(t )，…，a n 1′(t )，a 21′(t )，…，a n 2′(t )，…，a 1m ′(t )，…，a mn ′(t ) ]T =[(a 11(t )，…，a n 1(t )，a 21(t )，…，a n 2(t )，…，a 1m (t )，…，a mn (t ) )T ]′ = ))](([t A vet ′=))](([t A vec dtd=右边，得证. 性质 3.2.3设矩阵n m C A ⨯∈，矩阵p n C X ⨯∈，矩阵q p C B ⨯∈，则AXB →⊗=X B A T)(.证明：设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，T n x x X )(1，， =→，其中，T i x 是X 的第i 行=i (1，2，…，)n ，则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=B x a x a B x a x a AXB T n mn T m Tn n T )()(111111 ，⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=→n x x X 1 所以AXB T Tn mn T m T n n T B x a x a B x a x a ])()[(111111++++= ，， →⊗=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=X B A x x B a B a B a B a x a x a B x a x a B n T mn T m T n T n mn m T n n T )()()()()(11111111111 得证. 推论3.2.4 设矩阵m m C A ⨯∈，矩阵n m C X ⨯∈，矩阵n n C B ⨯∈，则有1.AX →⊗=X I A n )( 2.XB →⊗=X B I Tm )(.3(AX +XB )→⊗+⊗=X B I I A Tm n )(.第四章 矩阵的Kronecker 积与矩阵方程4.1矩阵的Kronecker 积与Lyapunov 矩阵方程设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，矩阵n m C F ⨯∈，解Lyapunov 矩阵方程： AX+XB=F .第一步：将方程两边拉直，由推论3.2.4可得：→→=⊗+⊗C X B I I A Tm n )(. (4.1) 第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程(4.1)有解的充要条件是：Tm n B I I A rank ⊗+⊗(┊)()T m n B I I A rank C ⊗+⊗=→，：有唯一解的充要条件是det(A ⊗I n + I m ⊗B T )≠0，即A 和(-B )没有公共的特征值或者说A 和B 无互为相反数的特征值.例4.1 分别在下2列条件下解矩阵方程AX+XB=C.(1) ⎥⎦⎤⎢⎣⎡-=0112A ，⎥⎦⎤⎢⎣⎡=42-1-3B ，⎥⎦⎤⎢⎣⎡--=1081710C (2) ⎥⎦⎤⎢⎣⎡=3201A ，⎥⎦⎤⎢⎣⎡--=1052B ，⎥⎦⎤⎢⎣⎡--=11353C 解：(1) 首先计算A 和B 的特征值，解0=-A I λ得：121==λλ，解0=-B I μ得：5221==μμ，.观察有无互为相反数的特征值发现，A 和B 没有互为相反数的特征值，所以矩阵方程有唯一解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x x X ，计算⎥⎦⎤⎢⎣⎡--=4123TB ，将A ，T B ，X ，C 代入(4.1)得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡-108171041231001100101124321x x x x ，计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------108171041102301106101254321x x x x ， 根据矩阵的乘法的定义可以求得：21314321-===-=x x x x ，，，. 故矩阵方程AX+XB=C 的唯一解为：⎥⎦⎤⎢⎣⎡--=2131X . (2) 同样先计算A 和B 的特征值，解0=-A I λ得：3121==λλ，， 解0=-B I μ得：1221-==μμ，.通过观察可知：021=+μλ. 一所以矩阵方程的解不唯，即存在通解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡--=1502TB ，将A ，T B ，X ，C 代入(4.1)得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡1135315021001100132014321x x x x ， - 计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--113532520050200050034321x x x x ，根据矩阵的乘法的定义可以求得：c x x c x x -=-===3114321，，，. 故矩阵方程AX+XB=C 的通解为：⎥⎦⎤⎢⎣⎡--=c c X 311(c 为任意常数).4.2矩阵的Kronecker 积与一般线性矩阵方程设矩阵n m k C A ⨯∈，矩阵q p C B ⨯∈，矩阵q m C F ⨯=，解一般线性矩阵方程：F XB Ark k k=∑=1(r = 1，2，…).第一步，将矩阵方程两边拉直，由性质3.2.3可以得到：∑=→→=⊗rk T kkF X B A1)][(. (4.2)第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程(4.2)有解的充要条件是：∑⊗)((Tkk B A rank ┊))(()1∑=→⊗=rk Tkk B A rank F . 即∑=⊗rk Tkk B A 1)(的所有特征值均不为0. 例4.2 设A 和C 都是n ⨯n 矩阵，A 的特征值λi （i=0，1，2，…，n ）R ∈（实数），求证：矩阵方程C XA A AXA X =++22有唯一解.证明：将两边方程拉直得到：→→=⊗+⊗+⊗C X A A A A I I T T n n ])([(22，化简得到：→→=⊗+⊗+C X A A A A I TTn ])()([22.由定义3.1可知：T A A ⊗的2n 个特征值是=j i j i ，(λλ0，1，2，…，n ). 故：2)()(2T T n A A A A I ⊗+⊗+的2n 个特征值是：22)21(43)()(1j i j i j i λλλλλλ++=++＞00(=j i ，，1，2，…，n ). 即2)()(2T T n A A A A I ⊗+⊗+是可逆的，由唯一解的判断方法可知：矩阵方程C XA A AXA X =++22有唯一解.例4.3 在下列条件下解矩阵方程C XB A XB A =+2211.已知：⎥⎦⎤⎢⎣⎡-=20311A ，⎥⎦⎤⎢⎣⎡-=13101B ，⎥⎦⎤⎢⎣⎡-=11022A ，⎥⎦⎤⎢⎣⎡-=01232B ，⎥⎦⎤⎢⎣⎡--=48213C . 解：将矩阵方程两边拉直得到：→→=⊗+⊗C X B A B A T T)(2211. (4.3)*设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡-=11301T B 和 ⎥⎦⎤⎢⎣⎡-=02132TB 代入(4.3)*得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-+⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-4821302131102113020314321x x x x .计算化简得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------4821320027313331390564321x x x x . 根据矩阵的乘法的定义可以求得：10214321===-=x x x x ，，，.计算T T B A B A rank 2211(⊗+⊗┊4)()2211=⊗+⊗=TT B A B A rank C ， 所以方程有唯一解：⎥⎦⎤⎢⎣⎡-=1021X . 4.3矩阵的Kronecker 积与矩阵微分方程设m m C A ⨯∈矩阵，n n C B ⨯∈矩阵，n m C t X ⨯∈)(，求下列矩阵微分方程初值问题的解：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.3)引理：设m m C A ⨯∈矩阵A ，矩阵n m C B ⨯∈，则n A I A I e e n ⊗=⊗，B m B I e I e m ⊗=⊗. 证明：因为性质1.2.5可得：∑∑∞=∞=⊗⊗=⊗=11)(!1)(!1k k k k kI A I A k I A k enn A k kI e I A k ⊗=⊗=∑∞=1)!1(. 同理可证：B m B I e I e m ⊗=⊗.将矩阵微分方程(4.3)两边拉直，由推论3.2.4可以得到：⎪⎩⎪⎨⎧=⊗+⊗=→0)0()()()(X X t X B I I A dt t X d T m n (4.4)由引理可得：T t B At tB AtB I I A t TT m n e X e X ee X et X )()()(000)(=⊗==→→⊗+⊗，又因为∑∑∞=∞====11!1))(!1()(k Bt k k T k k k T Tt B e t B k t B k eT ，故Bt At e X e t X 0)(= (4.5) 这就是微分方程(4.3)的解.例4.4 求解下列矩阵微分方程的初值问题：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.6)已知：⎥⎦⎤⎢⎣⎡=0011A ，⎥⎦⎤⎢⎣⎡-=0011B ，⎥⎦⎤⎢⎣⎡=10010X . 解：可计算得到：⎥⎦⎤⎢⎣⎡-=101t tAte e e，⎥⎦⎤⎢⎣⎡-=101t t Bte e e .由(4.5)式可以得到： ⎥⎦⎤⎢⎣⎡--==10)1()(220t tBtAt e e eX e t X . 即(4.6)的解为⎥⎦⎤⎢⎣⎡--=10)1()(22t te e t X . 通过本章的学习，我们知道矩阵的Kronecker 积在解矩阵方程领域有很大的作用，利用Kronecker 积的性质，我们可以解决Lyapunov 矩阵方程，一般矩阵方程，矩阵微分方程的初值问题等问题.参考文献[1]矩阵论简明教程（第三版）.徐仲等编.北京：科学出版社.2014.1.[2]矩阵论教程（第2版）.张绍飞，赵迪编.北京：机械工业出版社.2012.5.[3]矩阵论引论（第2版）.陈祖明，周家胜编.北京：北京航空航天大学出版社.2012.10.[4]矩阵论十讲.李乔，张晓东编.合肥：中国科学技术大学出版社.2015.3.[5]矩阵理论及方法.谢冬秀，雷纪刚，陈桂芝编.北京：科学出版社.2012.[6]H-矩阵类的理论及应用.徐仲等编.北京：科学出版社.2013.[7]高等代数教程（上）.王萼芳编.北京：清华大学出版社.1997（2008重印）.[8]常微分方程（第二版）.东北师范大学微分方程教研室.北京：高等教育出版社.2005.4（2012.12重印）.[9]矩阵分析与应用（第2版）.张贤达编.北京：清华大学出版社.2013（2014.6重印）.[10]线性代数及其应用.毛立新，咸美新编.北京：高等教育出版社.2015.8.[11]线性代数（第2版）.钟玉泉，周建编.北京：科学出版社.2015.1.[12]矩阵理论与方法（第2版）.吴昌悫，魏洪增编.北京：电子工业出版社.2013.8.[13]线性代数学习指导.赵春燕，单净，王麟编.哈尔滨：哈尔滨工程大学出版社.2012.2.[14]矩阵论.张凯院等编.北京：科学出版社.2013.[15]矩阵论导教·导学·导考.张凯院，徐仲编.西安：西北工业大学出版社.2014.8.[16]矩阵函数与矩阵方程.柏兆俊，高卫国，苏仰锋编.北京：高等教育出版社.2015.5.[17]矩阵分析.姜志侠，孟品超，李延忠编.北京：清华大学出版社.2015.[18]矩阵论札论.梁昌洪编.北京：科学出版社.2014.[19]线性代数及其应用.马新顺，王涛，郭燕编.北京：高等教育出版社.2014.7.[20]矩阵论引论.田振际，王永铎，吴德军编.北京：科学出版社.2013.[21]线性代数及其应用（第2版）.河北农业大学理学院编.北京：高等教育出版社.2006.11.（2015.2重印）.[22]线性代数及其应用.王坤龙编.北京：电子工业出版社.2014.10.[23]线性代数（第2版）.许峰，范爱华编.合肥：中国科学技术大学出版社.2013.4.[24]线性代数及其应用.俞方元编.上海：同济大学出版社.2014.8.[25]线性代数学习指导.谢政，陈挚编.北京：清华大学出版社.2012.10.[26]高等线性代数学.黎景辉，白正简，周国晖编.北京：高等教育出版社.2014.9.[27]线性代数讲义.江惠坤，邵荣，范红军编.北京：科学出版社.2013.[28]线性代数.贾屹峰编.上海：上海交通大学出版社.2012.[29]线性代数.侯亚君，艾玲，沙萍，林洪娟编.北京：机械工业出版社.2012.1（2012.7重印）.[30]线性代数.郝秀敏，姜庆华编.北京：经济科学出版社.2013.7.[31]线性代数.韩旸，王静宇，周莉编.北京：化学工业出版社.2013.8.[32]线性代数重点难点考点辅导与精析.高淑萍，张剑湖编.西安：西北工业大学出版社.2014.5.[33]线性代数.傅媛编.武汉：武汉大学出版社.2013.2（2013.11重印）.[34]跟我学线性代数：导学与习题精解.董晓波编.北京：机械工业出版社.2014.1.[35]线性代数同步学习辅导.陈绍林，唐道远编.北京：科学出版社，2014.7.[36]线性代数及应用.刘三明编.南京：南京大学出版社.2012.8.[37]线性代数.谭福锦，黎进香编.北京.人民邮电出版社.2012.8.[38]工程数学.线性代数（第6版）.同济大学数学系编.北京：高等教育出版社.2014.6.[39]矩阵分析与计算.李继根，张新发编.武汉：武汉大学出版社.2013.10.[40]矩阵计算的理论与方法.徐树方编.北京：北京大学出版社.1995.8.[41]矩阵分析及其应用.曾祥金，吴华安编.武汉：武汉大学出版社.2007.8.[42]矩阵理论与应用.张跃辉编.北京：科学出版社.2011.8.致谢通过一个月来不断的努力，终于完成了这篇毕业论文。

矩阵Kronecker乘积的性质与应用摘要按照矩阵乘法的定义，我们知道要计算矩阵的乘积AB，就要求矩阵A的列数和矩阵B的行数相等，否则乘积AB是没有意义的。

那是不是两个矩阵不满足这个条件就不能计算它们的乘积呢？本文将介绍矩阵的一种特殊乘积BA ，它对矩阵的行数和列数的并没有具体的要求，它叫做矩阵的Kronecker积（也叫直积或张量积）。

本文将从矩阵的Kronecker积的定义出发，对矩阵的Kronecker 积进行介绍和必要的说明。

之后，对Kronecker积的运算规律，可逆性，秩，特征值，特征向量等性质进行了具体的探究，得出结论并加以证明。

此外，还对矩阵的拉直以及矩阵的拉直的性质进行了说明和必要的证明。

矩阵的Kronecker积是一种非常重要的矩阵乘积，它应用很广，理论方面在诸如矩阵方程的求解，矩阵微分方程的求解等矩阵理论的研究中有着广泛的应用，实际应用方面在诸如图像处理，信息处理等方面也起到重要的作用。

本文讨论矩阵的Kronecker积的性质之后还会具体介绍它在矩阵方程中的一些应用。

关键词：矩阵；Kronecker积；矩阵的拉直；矩阵方程；矩阵微分方程Properties and Applications of matrix KroneckerproductAbstractAccording to the definition of matrix multiplication, we know that to calculate the matrix product AB, requires the number of columns of the matrix A and matrix B is equal to the number of rows, otherwise the product AB makes no sense.That is not two matrices not satisfy this condition will not be able to calculate their product do?This article will describe a special matrix product BA , the number of rows and columns of a matrix and its no specific requirements, it is called the matrix Kronecker product (also called direct product or tensor product).This paper will define the matrix Kronecker product of view, the Kronecker product matrix are introduced and the necessary instructions. Thereafter, the operation rules Kronecker product, the nature of reversibility, rank, eigenvalues, eigenvectors, etc. specific inquiry, draw conclusions and to prove it. In addition, the properties of the stretch of matrix and its nature have been described and the necessary proof.Kronecker product matrix is a very important matrix product, its use is very broad, theoretical research, and other matrix solving differential equations, such as solving the matrix equation matrix theory has been widely applied in practical applications such as image processing aspects of information processing, also play an important role. After the article discusses the nature of the matrix Kronecker product it will introduce a number of specific applications in the matrix equation. Keywords:Matrix; Kronecker product; Stretch of matrix; Matrix equation; Matrix Differential Equations目录摘要 .................................................................................................................................................... Abstract ............................................................................................................................................ I 第一章 矩阵的Kronecker 积 01.1 矩阵的Kronecker 积的定义 ........................................................................................... 0 1.2 矩阵的Kronecker 积的性质 ........................................................................................... 0 第二章 Kronecker 积的有关定理及推论 ...................................................................................... 5 第三章 矩阵的拉直 . (8)3.1矩阵的拉直的定义 ............................................................................................................ 8 3.2矩阵的拉直的性质 ............................................................................................................ 8 第四章 矩阵的Kronecker 积与矩阵方程 .. (10)4.1矩阵的Kronecker 积与Lyapunov 矩阵方程 ................................................................ 10 4.2矩阵的Kronecker 积与一般线性矩阵方程 .................................................................. 12 4.3矩阵的Kronecker 积与矩阵微分方程 .......................................................................... 13 参考文献......................................................................................................................................... 15 致谢 (17)符号说明W a W a 属于集合元素nm ij a A ⨯=)( 矩阵的记法列元素的行为以n m j i a ij⨯ij A )( 列的元素行的矩阵j i AT A 的转置矩阵A H A 的共轭转置矩阵A 1-A 的逆矩阵矩阵A→A 按行拉直得到的列向量矩阵AA det 的行列式方阵AtrA 的主对角元素之和的迹，方阵A A)(A rank 的秩矩阵A)(A λ 的特征值方阵An I 阶单位矩阵nR 实数域 C 复数域n C 维复向量的全体n n m C ⨯ 复矩阵全体n m ⨯O 零矩阵B A ⊗ 的和矩阵B A Kronecker 积第一章 矩阵的Kronecker 积1.1 矩阵的Kronecker 积的定义定义1.1设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，定义A 和B 的Kronecker 积（或直积，张量积）B A ⊗为：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B a B a B a B a B a B a B a B a B a B A mn m m n n 212222111211 可以看出，其结果是一个)()(nq mp ⨯矩阵，同时也是一个以B a ij 为子块的分块矩阵.例1.1 设⎥⎦⎤⎢⎣⎡-=1201A ，[]31-=B ，则 ⎥⎦⎤⎢⎣⎡---=⎥⎦⎤⎢⎣⎡-=⊗316200312B B O BB A []⎥⎦⎤⎢⎣⎡---=-=⊗361203013A A A B 由此可见，B A ⊗与A B ⊗具有相同的阶数，但是它们并不相等，也就是说，Kronecker 积不满足交换律.1.2 矩阵的Kronecker 积的性质虽然Kronecker 积不满足交换律，但是具有以下一些性质： 性质1.2.1 设矩阵n m C A ⨯∈，矩阵q p C O ⨯∈，则O O A A O =⊗=⊗（这个O 为)()(nq mp ⨯矩阵）.证明：略.性质1.2.2 设k 为任一常数，矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B A k kB A B kA ⊗=⊗=⊗.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n ka ka ka ka ka ka ka ka ka kA 212222111211，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B kA mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka kB a kB a kB a kB a kB a kB a kB a kB a kB a kB A mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， 即)(B A k B kA ⊗=⊗，)()(B A k kB A ⊗=⊗. 所以)()()(B A k kB A B kA ⊗=⊗=⊗.性质1.2.3 设A ，B 为同阶矩阵（同阶是为了可以做加法），则C B C A C B A ⊗+⊗=⊗+)(，B C A C B A C ⊗+⊗=+⊗)(.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n b b b b b b b b b B 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=+mn mn m m m m n n n n b a b a b a b a b a ba b a b a b a B A221122222221211112121111，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗+C b a C b a C b a C b a Cb aC b a C b a C b a C b a C B A mn mn m m m m n n n n )()()()()()()()()()(221122222221211112121111(1.1)*，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C a C a C a C a C a C a C a C a C a C A mn m m n n 212222111211 (1.2)*， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C b C b C b C b C b C b C b C b C b C B mn m m n n 212222111211 (1.3)*，由(1.2)*，(1.3)*得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C A mn mn m m m m n n n n 221122222221211112121111 (1.4)*， 由(1.1)*，(1.4)*可得：C B C A C B A ⊗+⊗=⊗+)(.同理设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n c c c c c cc c c C 212222111211可证：B C A C B A C ⊗+⊗=+⊗)(.性质1.2.4 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s r C F ⨯∈，则)()(F B A F B A ⊗⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⊗⊗⊗⊗⊗⊗⊗⊗⊗=⊗⊗)()()()()()()()()()(212222111211F B a F B a F B a F B a F B a F B a F B a F B a F B a F B A mn m m n n)(212222111211F B A F B a B a B a B a B a B a B a B a B a mn m m n n ⊗⊗=⊗⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡= 得证.性质1.2.5设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s n C F ⨯∈,矩阵t q C D ⨯∈，则)()())((BD AF D F B A ⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=ns n n s s f f f f f f f f f F212222111211， 则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗⊗D f D f D f D f D f Df D f D f D f B a B a B a B a B a B a B a B a B a D F B A ns n n s s mn m m n n212222111211212222111211))(()()()()()()()()()()()(112111112211211121111BD AF BD f a BD f a BD f a BD c a BD f a BD f a BD f a BD f a BD f a nk ks mk n k k mk n k k mk nk ks k n k k k n k k k n k ks k n k k k n k k k ⊗=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=∑∑∑∑∑∑∑∑∑=========得证.性质1.2.6 设矩阵m m C A ⨯∈可逆， 且矩阵n n C B ⨯∈可逆，则B A ⊗可逆，且111)(---⊗=⊗B A B A .证明：mn n m I I I BB AA B A B A =⊗=⊗=⊗⊗----)()())((1111(这里I n 与数的乘法中的1起到相同的作用)， 故111)(---⊗=⊗B A B A .性质1.2.7 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则T T T B A B A ⊗=⊗)(H H H B A B A ⊗=⊗)(证明： ij T T T ji ij T B A B a B A ][])[(⊗==⊗ 得证.同理可证：H H H B A B A ⊗=⊗)(.性质1.2.8 两个正交（酉）矩阵的Kronecker 积还是正交（酉）矩阵. 证明：设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈.因为A ，B 都是正交（酉）矩阵，所以有m T T I A A AA ==，n T T I B B BB ==. 由性质1.2.7和性质1.2.5可得：mn n m T T T T T I I I BB AA B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(())((. mn m n T T T T T I I I B B A A B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(()()(.故mn T T I B A B A B A B A =⊗⊗=⊗⊗)()())((. 得证.第二章 Kronecker 积的有关定理及推论定理2.2.2 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B rank A rank B A rank =⊗.证明：设rank A =r ，rank B=s ，A ，B 的标准形分别为：1111--⎥⎦⎤⎢⎣⎡=Q O O O I P A r ，1212--⎥⎦⎤⎢⎣⎡=Q O O O I P B s其中i P ，i Q =i (1，2)均为非奇异矩阵，则由性质1.2.5和1.2.6可以得：`1211211211121112121111)()()()(----------⊗⎥⎦⎤⎢⎣⎡⊗=⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡⊗=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡=⊗Q Q O O O I P P Q Q O O O I O O O I P P Q O O O I P Q O O O I P B A rss r s r 所以)()()(B rank A rank s r B A rank =•=⊗ 得证.定理2.2.3 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B A ⊗对应特征值λμ的一个特征向量.证明：因为x ，y 都是非零向量，所以x ⊗y 也是非零向量，由性质1.2.2和性质1.2.5可得：)()()()()())((y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗λμμλ.所以，y x ⊗是B A ⊗对应特征值λμ的一个特征向量.推论2.2.4 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若A 的特征值是1λ，2λ，…，m λ；B 的特征值是1μ，2μ，…，n μ，则B A ⊗的特征值为t s μλ，m s ≤≤1，n t ≤≤1（k 重根算k 个）.定理2.2.5 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.证明：由性质1.2.3，性质1.2.5可以得到：)()()()())((y x y x y I Ax y x I A n n ⊗=⊗=⊗=⊗⊗λλ， )()()()())((y x y x By x I y x B I m m ⊗=⊗=⊗=⊗⊗μμ，故))(())(())(())((y x y x B I y x I A y x B I I A m n m n ⊗+=⊗⊗+⊗⊗=⊗⊗+⊗μλ.所以，y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.推论2.2.6 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m s C x ∈和n t C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ，2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，则B I I A m n ⊗+⊗的n m •个特征值为{t s μλ+}.(s=1，2，…，m ；t=1，2，…，n ).例2.2 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m i C x ∈和n j C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ， 2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，证明：矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量为j i y x ⊗.(i=1，2，…，m ；j=1，2，…，n ).证明：由性质1.2.3和性质1.2.5可得：))(()()()()())((j i j i j j i i j i j i y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗μλμλ，故有：))(1())(()())(()())(())(())](()[(j i j i j i j i j i j i j i j i mn j i j i n m j i n m y x y x y x y x y x I y x B A y x I I y x B A I I ⊗-=⊗-⊗=⊗-⊗=⊗⊗-⊗⊗=⊗⊗-⊗μλμλμλ所以，矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量j i y x ⊗. 定理2.2.7 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则trB trA B A tr •=⊗)(证明：由Kronecker 积和迹的定义可得：trBtrA trB a trB a trB a B a tr B a tr B a tr B A tr nn nn •=+++=+++=⊗ 22112211)()()()(得证.定理2.2.8 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则m n B A B A )(det )(det )det(=⊗证明：设A 的特征值为1λ，2λ，…，m λ，B 的特征值为1μ，2μ，…，n μ， 由推论2.2.4可得：mn m n n m n m m n n nj j m nj j mnji nj j j i B A B A )(det )(det )()()())(())(()()()()()det(21211212111112,11=====⊗∏∏∏∏===μμμλλλμλμλμλμλμλμλμλμλμλμλ得证.第三章 矩阵的拉直3.1矩阵的拉直的定义定义3.1 设n m ij a A ⨯=)(，定义矩阵A 的按行拉直为：T mn m n n a a a a a a A A vec )()(1221111，，，，，，，，， ==→即矩阵A 的拉直是一个mn 元的列向量，它是由矩阵A 所有元素按行顺序依次排成一列得到的.例如：⎥⎦⎤⎢⎣⎡=d c b a A ，则矩阵A 的拉直为T d c b a A )(，，，=→.3.2矩阵的拉直的性质矩阵的拉直具有以下性质：性质 3.2.1 设矩阵n m C A ⨯∈，矩阵n m C B ⨯∈，k 和l 是常数，则)(lB kA +=→→+B l A k .证明：略.性质3.2.2 设n m ij t a t A ⨯=))(()(，则dtt dA )(=dt d)(t A . 证明：左边==))((dtt dA vet ij a vet ((′)))(n m t ⨯ = [(a 11′(t )，…，a n 1′(t )，a 21′(t )，…，a n 2′(t )，…，a 1m ′(t )，…，a mn ′(t ) ]T =[(a 11(t )，…，a n 1(t )，a 21(t )，…，a n 2(t )，…，a 1m (t )，…，a mn (t ) )T ]′ = ))](([t A vet ′=))](([t A vec dtd=右边，得证. 性质 3.2.3设矩阵n m C A ⨯∈，矩阵p n C X ⨯∈，矩阵q p C B ⨯∈，则AXB →⊗=X B A T)(.证明：设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，T n x x X )(1，， =→，其中，T i x 是X 的第i 行=i (1，2，…，)n ，则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=B x a x a B x a x a AXB T n mn T m Tn n T )()(111111 ，⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=→n x x X 1 所以AXB T Tn mn T m T n n T B x a x a B x a x a ])()[(111111++++= ，， →⊗=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=X B A x x B a B a B a B a x a x a B x a x a B n T mn T m T n T n mn m T n n T )()()()()(11111111111 得证. 推论3.2.4 设矩阵m m C A ⨯∈，矩阵n m C X ⨯∈，矩阵n n C B ⨯∈，则有1.AX →⊗=X I A n )( 2.XB →⊗=X B I Tm )(.3(AX +XB )→⊗+⊗=X B I I A Tm n )(.第四章 矩阵的Kronecker 积与矩阵方程4.1矩阵的Kronecker 积与Lyapunov 矩阵方程设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，矩阵n m C F ⨯∈，解Lyapunov 矩阵方程： AX+XB=F .第一步：将方程两边拉直，由推论3.2.4可得：→→=⊗+⊗C X B I I A Tm n )(. (4.1) 第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程(4.1)有解的充要条件是：Tm n B I I A rank ⊗+⊗(┊)()T m n B I I A rank C ⊗+⊗=→，：有唯一解的充要条件是det(A ⊗I n + I m ⊗B T )≠0，即A 和(-B )没有公共的特征值或者说A 和B 无互为相反数的特征值.例4.1 分别在下2列条件下解矩阵方程AX+XB=C.(1) ⎥⎦⎤⎢⎣⎡-=0112A ，⎥⎦⎤⎢⎣⎡=42-1-3B ，⎥⎦⎤⎢⎣⎡--=1081710C (2) ⎥⎦⎤⎢⎣⎡=3201A ，⎥⎦⎤⎢⎣⎡--=1052B ，⎥⎦⎤⎢⎣⎡--=11353C 解：(1) 首先计算A 和B 的特征值，解0=-A I λ得：121==λλ，解0=-B I μ得：5221==μμ，.观察有无互为相反数的特征值发现，A 和B 没有互为相反数的特征值，所以矩阵方程有唯一解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x x X ，计算⎥⎦⎤⎢⎣⎡--=4123TB ，将A ，T B ，X ，C 代入(4.1)得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡-108171041231001100101124321x x x x ，计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------108171041102301106101254321x x x x ， 根据矩阵的乘法的定义可以求得：21314321-===-=x x x x ，，，. 故矩阵方程AX+XB=C 的唯一解为：⎥⎦⎤⎢⎣⎡--=2131X . (2) 同样先计算A 和B 的特征值，解0=-A I λ得：3121==λλ，， 解0=-B I μ得：1221-==μμ，.通过观察可知：021=+μλ. 一所以矩阵方程的解不唯，即存在通解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡--=1502TB ，将A ，T B ，X ，C 代入(4.1)得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡1135315021001100132014321x x x x ， - 计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--113532520050200050034321x x x x ，根据矩阵的乘法的定义可以求得：c x x c x x -=-===3114321，，，. 故矩阵方程AX+XB=C 的通解为：⎥⎦⎤⎢⎣⎡--=c c X 311(c 为任意常数).4.2矩阵的Kronecker 积与一般线性矩阵方程设矩阵n m k C A ⨯∈，矩阵q p C B ⨯∈，矩阵q m C F ⨯=，解一般线性矩阵方程：F XB Ark k k=∑=1(r = 1，2，…).第一步，将矩阵方程两边拉直，由性质3.2.3可以得到：∑=→→=⊗rk T kkF X B A1)][(. (4.2)第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程(4.2)有解的充要条件是：∑⊗)((Tkk B A rank ┊))(()1∑=→⊗=rk Tkk B A rank F . 即∑=⊗rk Tkk B A 1)(的所有特征值均不为0. 例4.2 设A 和C 都是n ⨯n 矩阵，A 的特征值λi （i=0，1，2，…，n ）R ∈（实数），求证：矩阵方程C XA A AXA X =++22有唯一解.证明：将两边方程拉直得到：→→=⊗+⊗+⊗C X A A A A I I T T n n ])([(22，化简得到：→→=⊗+⊗+C X A A A A I TTn ])()([22.由定义3.1可知：T A A ⊗的2n 个特征值是=j i j i ，(λλ0，1，2，…，n ). 故：2)()(2T T n A A A A I ⊗+⊗+的2n 个特征值是：22)21(43)()(1j i j i j i λλλλλλ++=++＞00(=j i ，，1，2，…，n ). 即2)()(2T T n A A A A I ⊗+⊗+是可逆的，由唯一解的判断方法可知：矩阵方程C XA A AXA X =++22有唯一解.例4.3 在下列条件下解矩阵方程C XB A XB A =+2211.已知：⎥⎦⎤⎢⎣⎡-=20311A ，⎥⎦⎤⎢⎣⎡-=13101B ，⎥⎦⎤⎢⎣⎡-=11022A ，⎥⎦⎤⎢⎣⎡-=01232B ，⎥⎦⎤⎢⎣⎡--=48213C . 解：将矩阵方程两边拉直得到：→→=⊗+⊗C X B A B A T T)(2211. (4.3)*设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡-=11301T B 和 ⎥⎦⎤⎢⎣⎡-=02132TB 代入(4.3)*得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-+⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-4821302131102113020314321x x x x .计算化简得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------4821320027313331390564321x x x x . 根据矩阵的乘法的定义可以求得：10214321===-=x x x x ，，，.计算T T B A B A rank 2211(⊗+⊗┊4)()2211=⊗+⊗=TT B A B A rank C ， 所以方程有唯一解：⎥⎦⎤⎢⎣⎡-=1021X . 4.3矩阵的Kronecker 积与矩阵微分方程设m m C A ⨯∈矩阵，n n C B ⨯∈矩阵，n m C t X ⨯∈)(，求下列矩阵微分方程初值问题的解：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.3)引理：设m m C A ⨯∈矩阵A ，矩阵n m C B ⨯∈，则n A I A I e e n ⊗=⊗，B m B I e I e m ⊗=⊗. 证明：因为性质1.2.5可得：∑∑∞=∞=⊗⊗=⊗=11)(!1)(!1k k k k kI A I A k I A k enn A k kI e I A k ⊗=⊗=∑∞=1)!1(. 同理可证：B m B I e I e m ⊗=⊗.将矩阵微分方程(4.3)两边拉直，由推论3.2.4可以得到：⎪⎩⎪⎨⎧=⊗+⊗=→0)0()()()(X X t X B I I A dt t X d T m n (4.4)由引理可得：T t B At tB AtB I I A t TT m n e X e X ee X et X )()()(000)(=⊗==→→⊗+⊗，又因为∑∑∞=∞====11!1))(!1()(k Bt k k T k k k T Tt B e t B k t B k eT ，故Bt At e X e t X 0)(= (4.5) 这就是微分方程(4.3)的解.例4.4 求解下列矩阵微分方程的初值问题：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.6)已知：⎥⎦⎤⎢⎣⎡=0011A ，⎥⎦⎤⎢⎣⎡-=0011B ，⎥⎦⎤⎢⎣⎡=10010X . 解：可计算得到：⎥⎦⎤⎢⎣⎡-=101t tAte e e，⎥⎦⎤⎢⎣⎡-=101t t Bte e e .由(4.5)式可以得到： ⎥⎦⎤⎢⎣⎡--==10)1()(220t tBtAt e e eX e t X . 即(4.6)的解为⎥⎦⎤⎢⎣⎡--=10)1()(22t te e t X . 通过本章的学习，我们知道矩阵的Kronecker 积在解矩阵方程领域有很大的作用，利用Kronecker 积的性质，我们可以解决Lyapunov 矩阵方程，一般矩阵方程，矩阵微分方程的初值问题等问题.参考文献[1]矩阵论简明教程（第三版）.徐仲等编.北京：科学出版社.2014.1.[2]矩阵论教程（第2版）.张绍飞，赵迪编.北京：机械工业出版社.2012.5.[3]矩阵论引论（第2版）.陈祖明，周家胜编.北京：北京航空航天大学出版社.2012.10.[4]矩阵论十讲.李乔，张晓东编.合肥：中国科学技术大学出版社.2015.3.[5]矩阵理论及方法.谢冬秀，雷纪刚，陈桂芝编.北京：科学出版社.2012.[6]H-矩阵类的理论及应用.徐仲等编.北京：科学出版社.2013.[7]高等代数教程（上）.王萼芳编.北京：清华大学出版社.1997（2008重印）.[8]常微分方程（第二版）.东北师范大学微分方程教研室.北京：高等教育出版社.2005.4（2012.12重印）.[9]矩阵分析与应用（第2版）.张贤达编.北京：清华大学出版社.2013（2014.6重印）.[10]线性代数及其应用.毛立新，咸美新编.北京：高等教育出版社.2015.8.[11]线性代数（第2版）.钟玉泉，周建编.北京：科学出版社.2015.1.[12]矩阵理论与方法（第2版）.吴昌悫，魏洪增编.北京：电子工业出版社.2013.8.[13]线性代数学习指导.赵春燕，单净，王麟编.哈尔滨：哈尔滨工程大学出版社.2012.2.[14]矩阵论.张凯院等编.北京：科学出版社.2013.[15]矩阵论导教·导学·导考.张凯院，徐仲编.西安：西北工业大学出版社.2014.8.[16]矩阵函数与矩阵方程.柏兆俊，高卫国，苏仰锋编.北京：高等教育出版社.2015.5.[17]矩阵分析.姜志侠，孟品超，李延忠编.北京：清华大学出版社.2015.[18]矩阵论札论.梁昌洪编.北京：科学出版社.2014.[19]线性代数及其应用.马新顺，王涛，郭燕编.北京：高等教育出版社.2014.7.[20]矩阵论引论.田振际，王永铎，吴德军编.北京：科学出版社.2013.[21]线性代数及其应用（第2版）.河北农业大学理学院编.北京：高等教育出版社.2006.11.（2015.2重印）.[22]线性代数及其应用.王坤龙编.北京：电子工业出版社.2014.10.[23]线性代数（第2版）.许峰，范爱华编.合肥：中国科学技术大学出版社.2013.4.[24]线性代数及其应用.俞方元编.上海：同济大学出版社.2014.8.[25]线性代数学习指导.谢政，陈挚编.北京：清华大学出版社.2012.10.[26]高等线性代数学.黎景辉，白正简，周国晖编.北京：高等教育出版社.2014.9.[27]线性代数讲义.江惠坤，邵荣，范红军编.北京：科学出版社.2013.[28]线性代数.贾屹峰编.上海：上海交通大学出版社.2012.[29]线性代数.侯亚君，艾玲，沙萍，林洪娟编.北京：机械工业出版社.2012.1（2012.7重印）.[30]线性代数.郝秀敏，姜庆华编.北京：经济科学出版社.2013.7.[31]线性代数.韩旸，王静宇，周莉编.北京：化学工业出版社.2013.8.[32]线性代数重点难点考点辅导与精析.高淑萍，张剑湖编.西安：西北工业大学出版社.2014.5.[33]线性代数.傅媛编.武汉：武汉大学出版社.2013.2（2013.11重印）.[34]跟我学线性代数：导学与习题精解.董晓波编.北京：机械工业出版社.2014.1.[35]线性代数同步学习辅导.陈绍林，唐道远编.北京：科学出版社，2014.7.[36]线性代数及应用.刘三明编.南京：南京大学出版社.2012.8.[37]线性代数.谭福锦，黎进香编.北京.人民邮电出版社.2012.8.[38]工程数学.线性代数（第6版）.同济大学数学系编.北京：高等教育出版社.2014.6.[39]矩阵分析与计算.李继根，张新发编.武汉：武汉大学出版社.2013.10.[40]矩阵计算的理论与方法.徐树方编.北京：北京大学出版社.1995.8.[41]矩阵分析及其应用.曾祥金，吴华安编.武汉：武汉大学出版社.2007.8.[42]矩阵理论与应用.张跃辉编.北京：科学出版社.2011.8.致谢通过一个月来不断的努力，终于完成了这篇毕业论文。

kronecker积秩证明Kronecker积是线性代数中的一种重要操作，它被广泛用于解决矩阵运算中的各种问题。

在本文中，我们将就Kronecker积的秩进行证明。

首先，让我们回顾一下Kronecker积的定义。

给定两个矩阵A和B，它们的Kronecker积（记作A⊗B）是一个新的矩阵，其维度为m1m2×n1n2，其中A的维度为m1×n1，B的维度为m2×n2。

Kronecker积的每个元素都是A和B对应元素的乘积。

具体而言，A⊗B的第(i,j)个元素为A的第(i/m2, j/n2)个元素与B的第(i%m2, j%n2)个元素的乘积。

现在我们来证明Kronecker积的秩。

为了方便讨论，我们假设A和B的维度分别为m×n和p×q。

我们需要证明A⊗B的秩是mn×pq。

首先，我们可以将A⊗B的每个元素展开成矩阵乘积的形式。

具体而言，A⊗B的第(i,j)个元素为A的第(i/m,j/n)个元素与B的第(i%m,j%n)个元素的乘积。

因此，我们可以将A⊗B表示为以下形式的矩阵乘积：A⊗B = [A(1,1)B, A(1,2)B, ..., A(1,n)B;A(2,1)B, A(2,2)B, ..., A(2,n)B;...A(m,1)B, A(m,2)B, ..., A(m,n)B],其中A(i,j)B表示A的第(i,j)个元素与B的乘积。

根据该表示，我们可以发现A⊗B的每一列都可以由A的每一列与B的乘积线性组合而成。

换句话说，A⊗B的列空间是由A的列空间和B的列空间的张成所构成的。

接下来，我们需要证明A⊗B的列空间的维度为mn×pq。

首先，我们来看A⊗B的列空间的维度不超过mn×pq。

由于A的列空间的维度为n，B的列空间的维度为q，所以由A⊗B的列空间是由A的列空间和B的列空间的张成所构成，它的维度不会超过n×q，即mn×pq。

矩阵Kronecker乘积的性质与应用摘要按照矩阵乘法的定义，我们知道要计算矩阵的乘积AB，就要求矩阵A的列数和矩阵B的行数相等，否则乘积AB是没有意义的。

那是不是两个矩阵不满足这个条件就不能计算它们的乘积呢？本文将介绍矩阵的一种特殊乘积BA ，它对矩阵的行数和列数的并没有具体的要求，它叫做矩阵的Kronecker积（也叫直积或张量积）。

本文将从矩阵的Kronecker积的定义出发，对矩阵的Kronecker 积进行介绍和必要的说明。

之后，对Kronecker积的运算规律，可逆性，秩，特征值，特征向量等性质进行了具体的探究，得出结论并加以证明。

此外，还对矩阵的拉直以及矩阵的拉直的性质进行了说明和必要的证明。

矩阵的Kronecker积是一种非常重要的矩阵乘积，它应用很广，理论方面在诸如矩阵方程的求解，矩阵微分方程的求解等矩阵理论的研究中有着广泛的应用，实际应用方面在诸如图像处理，信息处理等方面也起到重要的作用。

本文讨论矩阵的Kronecker积的性质之后还会具体介绍它在矩阵方程中的一些应用。

关键词：矩阵；Kronecker积；矩阵的拉直；矩阵方程；矩阵微分方程Properties and Applications of matrix KroneckerproductAbstractAccording to the definition of matrix multiplication, we know that to calculate the matrix product AB, requires the number of columns of the matrix A and matrix B is equal to the number of rows, otherwise the product AB makes no sense.That is not two matrices not satisfy this condition will not be able to calculate their product do?This article will describe a special matrix product BA , the number of rows and columns of a matrix and its no specific requirements, it is called the matrix Kronecker product (also called direct product or tensor product).This paper will define the matrix Kronecker product of view, the Kronecker product matrix are introduced and the necessary instructions. Thereafter, the operation rules Kronecker product, the nature of reversibility, rank, eigenvalues, eigenvectors, etc. specific inquiry, draw conclusions and to prove it. In addition, the properties of the stretch of matrix and its nature have been described and the necessary proof.Kronecker product matrix is a very important matrix product, its use is very broad, theoretical research, and other matrix solving differential equations, such as solving the matrix equation matrix theory has been widely applied in practical applications such as image processing aspects of information processing, also play an important role. After the article discusses the nature of the matrix Kronecker product it will introduce a number of specific applications in the matrix equation. Keywords:Matrix; Kronecker product; Stretch of matrix; Matrix equation; Matrix Differential Equations目录摘要 .................................................................................................................................................. I Abstract ........................................................................................................................................... II 第一章 矩阵的Kronecker 积 (1)1.1 矩阵的Kronecker 积的定义 ........................................................................................... 1 1.2 矩阵的Kronecker 积的性质 ........................................................................................... 1 第二章 Kronecker 积的有关定理及推论 ...................................................................................... 6 第三章 矩阵的拉直 . (9)3.1矩阵的拉直的定义 ............................................................................................................ 9 3.2矩阵的拉直的性质 ............................................................................................................ 9 第四章 矩阵的Kronecker 积与矩阵方程 .. (11)4.1矩阵的Kronecker 积与Lyapunov 矩阵方程 ................................................................ 11 4.2矩阵的Kronecker 积与一般线性矩阵方程 .................................................................. 13 4.3矩阵的Kronecker 积与矩阵微分方程 .......................................................................... 14 参考文献......................................................................................................................................... 16 致谢 (18)符号说明W a W a 属于集合元素nm ij a A ⨯=)( 矩阵的记法列元素的行为以n m j i a ij⨯ij A )( 列的元素行的矩阵j i AT A 的转置矩阵A H A 的共轭转置矩阵A 1-A 的逆矩阵矩阵A→A 按行拉直得到的列向量矩阵AA det 的行列式方阵AtrA 的主对角元素之和的迹，方阵A A)(A rank 的秩矩阵A)(A λ 的特征值方阵An I 阶单位矩阵nR 实数域 C 复数域n C 维复向量的全体n n m C ⨯ 复矩阵全体n m ⨯O 零矩阵B A ⊗ 的和矩阵B A Kronecker 积第一章 矩阵的Kronecker 积1.1 矩阵的Kronecker 积的定义定义1.1设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，定义A 和B 的Kronecker 积（或直积，张量积）B A ⊗为：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B a B a B a B a B a B a B a B a B a B A mn m m n n 212222111211 可以看出，其结果是一个)()(nq mp ⨯矩阵，同时也是一个以B a ij 为子块的分块矩阵.例1.1 设⎥⎦⎤⎢⎣⎡-=1201A ，[]31-=B ，则 ⎥⎦⎤⎢⎣⎡---=⎥⎦⎤⎢⎣⎡-=⊗316200312B B O BB A []⎥⎦⎤⎢⎣⎡---=-=⊗361203013A A A B 由此可见，B A ⊗与A B ⊗具有相同的阶数，但是它们并不相等，也就是说，Kronecker 积不满足交换律.1.2 矩阵的Kronecker 积的性质虽然Kronecker 积不满足交换律，但是具有以下一些性质： 性质1.2.1 设矩阵n m C A ⨯∈，矩阵q p C O ⨯∈，则O O A A O =⊗=⊗（这个O 为)()(nq mp ⨯矩阵）.证明：略.性质1.2.2 设k 为任一常数，矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B A k kB A B kA ⊗=⊗=⊗.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n ka ka ka ka ka ka ka ka ka kA 212222111211，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B kA mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka kB a kB a kB a kB a kB a kB a kB a kB a kB a kB A mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， 即)(B A k B kA ⊗=⊗，)()(B A k kB A ⊗=⊗. 所以)()()(B A k kB A B kA ⊗=⊗=⊗.性质1.2.3 设A ，B 为同阶矩阵（同阶是为了可以做加法），则C B C A C B A ⊗+⊗=⊗+)(，B C A C B A C ⊗+⊗=+⊗)(.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n b b b b b b b b b B 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=+mn mn m m m m n n n n b a b a b a b a b a b a b a b a b a B A221122222221211112121111，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗+C b a C b a C b a C b a C b aC b a C b a Cb a C b a C B A mn mn m m m m n n n n )()()()()()()()()()(221122222221211112121111(1.1)*，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C a C a C a C a C a C a C a C a C a C A mn m m n n 212222111211 (1.2)*， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C b C b C b C b C b C b C b C b C b C B mn m m n n 212222111211 (1.3)*，由(1.2)*，(1.3)*得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C A mn mn m m m m n n n n 221122222221211112121111 (1.4)*， 由(1.1)*，(1.4)*可得：C B C A C B A ⊗+⊗=⊗+)(.同理设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n c c c c c cc c c C 212222111211可证：B C A C B A C ⊗+⊗=+⊗)(.性质1.2.4 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s r C F ⨯∈，则)()(F B A F B A ⊗⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⊗⊗⊗⊗⊗⊗⊗⊗⊗=⊗⊗)()()()()()()()()()(212222111211F B a F B a F B a F B a F B a F B a F B a F B a F B a F B A mn m m n n)(212222111211F B A F B a B a B a B a B a B a B a B a B a mn m m n n ⊗⊗=⊗⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡= 得证.性质1.2.5设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s n C F ⨯∈,矩阵t q C D ⨯∈，则)()())((BD AF D F B A ⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=ns n n s s f f f f f f f f f F212222111211， 则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗⊗D f D f D f D f D f Df D f D f D f B a B a B a B a B a B a B a B a B a D F B A ns n n s s mn m m n n212222111211212222111211))(()()()()()()()()()()()(112111112211211121111BD AF BD f a BD f a BD f a BD c a BD f a BD f a BD f a BD f a BD f a nk ks mk n k k mk n k k mk nk ks k n k k k n k k k n k ks k n k k k n k k k ⊗=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=∑∑∑∑∑∑∑∑∑=========得证.性质1.2.6 设矩阵m m C A ⨯∈可逆， 且矩阵n n C B ⨯∈可逆，则B A ⊗可逆，且111)(---⊗=⊗B A B A .证明：mn n m I I I BB AA B A B A =⊗=⊗=⊗⊗----)()())((1111(这里I n 与数的乘法中的1起到相同的作用)， 故111)(---⊗=⊗B A B A .性质1.2.7 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则T T T B A B A ⊗=⊗)(H H H B A B A ⊗=⊗)(证明： ij T T T ji ij T B A B a B A ][])[(⊗==⊗ 得证.同理可证：H H H B A B A ⊗=⊗)(.性质1.2.8 两个正交（酉）矩阵的Kronecker 积还是正交（酉）矩阵. 证明：设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈.因为A ，B 都是正交（酉）矩阵，所以有m T T I A A AA ==，n T T I B B BB ==. 由性质1.2.7和性质1.2.5可得：mn n m T T T T T I I I BB AA B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(())((. mn m n T T T T T I I I B B A A B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(()()(.故mn T T I B A B A B A B A =⊗⊗=⊗⊗)()())((. 得证.第二章 Kronecker 积的有关定理及推论定理2.2.2 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B rank A rank B A rank =⊗.证明：设rank A =r ，rank B=s ，A ，B 的标准形分别为：1111--⎥⎦⎤⎢⎣⎡=Q O O O I P A r ，1212--⎥⎦⎤⎢⎣⎡=Q O O O I P B s其中i P ，i Q =i (1，2)均为非奇异矩阵，则由性质1.2.5和1.2.6可以得：`1211211211121112121111)()()()(----------⊗⎥⎦⎤⎢⎣⎡⊗=⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡⊗=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡=⊗Q Q O OO I P P Q Q O O O I O OO I P P Q O O O I P Q O OO I P B A rssrsr所以)()()(B rank A rank s r B A rank =•=⊗ 得证.定理2.2.3 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B A ⊗对应特征值λμ的一个特征向量.证明：因为x ，y 都是非零向量，所以x ⊗y 也是非零向量，由性质1.2.2和性质1.2.5可得：)()()()()())((y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗λμμλ.所以，y x ⊗是B A ⊗对应特征值λμ的一个特征向量.推论2.2.4 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若A 的特征值是1λ，2λ，…，m λ；B 的特征值是1μ，2μ，…，n μ，则B A ⊗的特征值为t s μλ，m s ≤≤1，n t ≤≤1（k 重根算k 个）.定理2.2.5 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.证明：由性质1.2.3，性质1.2.5可以得到：)()()()())((y x y x y I Ax y x I A n n ⊗=⊗=⊗=⊗⊗λλ， )()()()())((y x y x By x I y x B I m m ⊗=⊗=⊗=⊗⊗μμ，故))(())(())(())((y x y x B I y x I A y x B I I A m n m n ⊗+=⊗⊗+⊗⊗=⊗⊗+⊗μλ.所以，y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.推论2.2.6 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m s C x ∈和n t C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ，2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，则B I I A m n ⊗+⊗的n m •个特征值为{t s μλ+}.(s=1，2，…，m ；t=1，2，…，n ).例2.2 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m i C x ∈和n j C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ， 2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，证明：矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量为j i y x ⊗.(i=1，2，…，m ；j=1，2，…，n ).证明：由性质1.2.3和性质1.2.5可得：))(()()()()())((j i j i j j i i j i j i y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗μλμλ，故有：))(1())(()())(()())(())(())](()[(j i j i j i j i j i j i j i j i mn j i j i n m j i n m y x y x y x y x y x I y x B A y x I I y x B A I I ⊗-=⊗-⊗=⊗-⊗=⊗⊗-⊗⊗=⊗⊗-⊗μλμλμλ所以，矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量j i y x ⊗. 定理2.2.7 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则trB trA B A tr •=⊗)(证明：由Kronecker 积和迹的定义可得：trBtrA trB a trB a trB a B a tr B a tr B a tr B A tr nn nn •=+++=+++=⊗ 22112211)()()()(得证.定理2.2.8 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则m n B A B A )(det )(det )det(=⊗证明：设A 的特征值为1λ，2λ，…，m λ，B 的特征值为1μ，2μ，…，n μ， 由推论2.2.4可得：mn m n n m n m m n n nj j m nj j mnji nj j j i B A B A )(det )(det )()()())(())(()()()()()det(21211212111112,11=====⊗∏∏∏∏===μμμλλλμλμλμλμλμλμλμλμλμλμλ得证.第三章 矩阵的拉直3.1矩阵的拉直的定义定义3.1 设n m ij a A ⨯=)(，定义矩阵A 的按行拉直为：T mn m n n a a a a a a A A vec )()(1221111，，，，，，，，， ==→即矩阵A 的拉直是一个mn 元的列向量，它是由矩阵A 所有元素按行顺序依次排成一列得到的.例如：⎥⎦⎤⎢⎣⎡=d c b a A ，则矩阵A 的拉直为T d c b a A )(，，，=→.3.2矩阵的拉直的性质矩阵的拉直具有以下性质：性质 3.2.1 设矩阵n m C A ⨯∈，矩阵n m C B ⨯∈，k 和l 是常数，则)(lB kA +=→→+B l A k .证明：略.性质3.2.2 设n m ij t a t A ⨯=))(()(，则dtt dA )(=dt d)(t A . 证明：左边==))((dtt dA vet ij a vet ((′)))(n m t ⨯ = [(a 11′(t )，…，a n 1′(t )，a 21′(t )，…，a n 2′(t )，…，a 1m ′(t )，…，a mn ′(t ) ]T =[(a 11(t )，…，a n 1(t )，a 21(t )，…，a n 2(t )，…，a 1m (t )，…，a mn (t ) )T ]′ = ))](([t A vet ′=))](([t A vec dtd=右边，得证. 性质 3.2.3设矩阵n m C A ⨯∈，矩阵p n C X ⨯∈，矩阵q p C B ⨯∈，则AXB →⊗=X B A T)(.证明：设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，T n x x X )(1，， =→，其中，T i x 是X 的第i 行=i (1，2，…，)n ，则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=B x a x a B x a x a AXB T n mn T m Tn n T )()(111111 ，⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=→n x x X 1 所以AXB T Tn mn T m T n n T B x a x a B x a x a ])()[(111111++++= ，， →⊗=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=X B A x x B a B a B a B a x a x a B x a x a B n T mn T m T n T n mn m T n n T )()()()()(11111111111 得证. 推论3.2.4 设矩阵m m C A ⨯∈，矩阵n m C X ⨯∈，矩阵n n C B ⨯∈，则有1.AX →⊗=X I A n )( 2.XB →⊗=X B I Tm )(.3(AX +XB )→⊗+⊗=X B I I A Tm n )(.第四章 矩阵的Kronecker 积与矩阵方程4.1矩阵的Kronecker 积与Lyapunov 矩阵方程设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，矩阵n m C F ⨯∈，解Lyapunov 矩阵方程： AX+XB=F .第一步：将方程两边拉直，由推论3.2.4可得：→→=⊗+⊗C X B I I A Tm n )(. (4.1) 第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程(4.1)有解的充要条件是：Tm n B I I A rank ⊗+⊗(┊)()T m n B I I A rank C ⊗+⊗=→，：有唯一解的充要条件是det(A ⊗I n + I m ⊗B T )≠0，即A 和(-B )没有公共的特征值或者说A 和B 无互为相反数的特征值.例4.1 分别在下2列条件下解矩阵方程AX+XB=C.(1) ⎥⎦⎤⎢⎣⎡-=0112A ，⎥⎦⎤⎢⎣⎡=42-1-3B ，⎥⎦⎤⎢⎣⎡--=1081710C (2) ⎥⎦⎤⎢⎣⎡=3201A ，⎥⎦⎤⎢⎣⎡--=1052B ，⎥⎦⎤⎢⎣⎡--=11353C 解：(1) 首先计算A 和B 的特征值，解0=-A I λ得：121==λλ，解0=-B I μ得：5221==μμ，.观察有无互为相反数的特征值发现，A 和B 没有互为相反数的特征值，所以矩阵方程有唯一解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x x X ，计算⎥⎦⎤⎢⎣⎡--=4123TB ，将A ，T B ，X ，C 代入(4.1)得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡-108171041231001100101124321x x x x ，计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------108171041102301106101254321x x x x ， 根据矩阵的乘法的定义可以求得：21314321-===-=x x x x ，，，. 故矩阵方程AX+XB=C 的唯一解为：⎥⎦⎤⎢⎣⎡--=2131X . (2) 同样先计算A 和B 的特征值，解0=-A I λ得：3121==λλ，， 解0=-B I μ得：1221-==μμ，.通过观察可知：021=+μλ. 一所以矩阵方程的解不唯，即存在通解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡--=1502TB ，将A ，T B ，X ，C 代入(4.1)得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡1135315021001100132014321x x x x ， - 计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--113532520050200050034321x x x x ，根据矩阵的乘法的定义可以求得：c x x c x x -=-===3114321，，，. 故矩阵方程AX+XB=C 的通解为：⎥⎦⎤⎢⎣⎡--=c c X 311(c 为任意常数).4.2矩阵的Kronecker 积与一般线性矩阵方程设矩阵n m k C A ⨯∈，矩阵q p C B ⨯∈，矩阵q m C F ⨯=，解一般线性矩阵方程：F XB Ark k k=∑=1(r = 1，2，…).第一步，将矩阵方程两边拉直，由性质3.2.3可以得到：∑=→→=⊗rk T kkF X B A1)][(. (4.2)第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程(4.2)有解的充要条件是：∑⊗)((Tkk B A rank ┊))(()1∑=→⊗=rk Tkk B A rank F . 即∑=⊗rk Tkk B A 1)(的所有特征值均不为0. 例4.2 设A 和C 都是n ⨯n 矩阵，A 的特征值λi （i=0，1，2，…，n ）R ∈（实数），求证：矩阵方程C XA A AXA X =++22有唯一解.证明：将两边方程拉直得到：→→=⊗+⊗+⊗C X A A A A I I T T n n ])([(22，化简得到：→→=⊗+⊗+C X A A A A I TTn ])()([22.由定义3.1可知：T A A ⊗的2n 个特征值是=j i j i ，(λλ0，1，2，…，n ). 故：2)()(2T T n A A A A I ⊗+⊗+的2n 个特征值是：22)21(43)()(1j i j i j i λλλλλλ++=++＞00(=j i ，，1，2，…，n ). 即2)()(2T T n A A A A I ⊗+⊗+是可逆的，由唯一解的判断方法可知：矩阵方程C XA A AXA X =++22有唯一解.例4.3 在下列条件下解矩阵方程C XB A XB A =+2211.已知：⎥⎦⎤⎢⎣⎡-=20311A ，⎥⎦⎤⎢⎣⎡-=13101B ，⎥⎦⎤⎢⎣⎡-=11022A ，⎥⎦⎤⎢⎣⎡-=01232B ，⎥⎦⎤⎢⎣⎡--=48213C . 解：将矩阵方程两边拉直得到：→→=⊗+⊗C X B A B A T T)(2211. (4.3)*设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡-=11301T B 和 ⎥⎦⎤⎢⎣⎡-=02132TB 代入(4.3)*得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-+⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-4821302131102113020314321x x x x .计算化简得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------4821320027313331390564321x x x x . 根据矩阵的乘法的定义可以求得：10214321===-=x x x x ，，，.计算T T B A B A rank 2211(⊗+⊗┊4)()2211=⊗+⊗=TT B A B A rank C ， 所以方程有唯一解：⎥⎦⎤⎢⎣⎡-=1021X . 4.3矩阵的Kronecker 积与矩阵微分方程设m m C A ⨯∈矩阵，n n C B ⨯∈矩阵，n m C t X ⨯∈)(，求下列矩阵微分方程初值问题的解：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.3)引理：设m m C A ⨯∈矩阵A ，矩阵n m C B ⨯∈，则n A I A I e e n ⊗=⊗，B m B I e I e m ⊗=⊗. 证明：因为性质1.2.5可得：∑∑∞=∞=⊗⊗=⊗=11)(!1)(!1k k k k kI A I A k I A k enn A k kI e I A k ⊗=⊗=∑∞=1)!1(. 同理可证：B m B I e I e m ⊗=⊗.将矩阵微分方程(4.3)两边拉直，由推论3.2.4可以得到：⎪⎩⎪⎨⎧=⊗+⊗=→0)0()()()(X X t X B I I A dt t X d T m n (4.4)由引理可得：T t B At tB AtB I I A t TT m n e X e X ee X et X )()()(000)(=⊗==→→⊗+⊗，又因为∑∑∞=∞====11!1))(!1()(k Bt k k T k k k T Tt B e t B k t B k eT ，故Bt At e X e t X 0)(= (4.5) 这就是微分方程(4.3)的解.例4.4 求解下列矩阵微分方程的初值问题：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.6)已知：⎥⎦⎤⎢⎣⎡=0011A ，⎥⎦⎤⎢⎣⎡-=0011B ，⎥⎦⎤⎢⎣⎡=10010X . 解：可计算得到：⎥⎦⎤⎢⎣⎡-=101t tAte e e，⎥⎦⎤⎢⎣⎡-=101t t Bte e e .由(4.5)式可以得到： ⎥⎦⎤⎢⎣⎡--==10)1()(220t tBtAt e e eX e t X . 即(4.6)的解为⎥⎦⎤⎢⎣⎡--=10)1()(22t te e t X . 通过本章的学习，我们知道矩阵的Kronecker 积在解矩阵方程领域有很大的作用，利用Kronecker 积的性质，我们可以解决Lyapunov 矩阵方程，一般矩阵方程，矩阵微分方程的初值问题等问题.参考文献[1]矩阵论简明教程（第三版）.徐仲等编.北京：科学出版社.2014.1.[2]矩阵论教程（第2版）.张绍飞，赵迪编.北京：机械工业出版社.2012.5.[3]矩阵论引论（第2版）.陈祖明，周家胜编.北京：北京航空航天大学出版社.2012.10.[4]矩阵论十讲.李乔，张晓东编.合肥：中国科学技术大学出版社.2015.3.[5]矩阵理论及方法.谢冬秀，雷纪刚，陈桂芝编.北京：科学出版社.2012.[6]H-矩阵类的理论及应用.徐仲等编.北京：科学出版社.2013.[7]高等代数教程（上）.王萼芳编.北京：清华大学出版社.1997（2008重印）.[8]常微分方程（第二版）.东北师范大学微分方程教研室.北京：高等教育出版社.2005.4（2012.12重印）.[9]矩阵分析与应用（第2版）.张贤达编.北京：清华大学出版社.2013（2014.6重印）.[10]线性代数及其应用.毛立新，咸美新编.北京：高等教育出版社.2015.8.[11]线性代数（第2版）.钟玉泉，周建编.北京：科学出版社.2015.1.[12]矩阵理论与方法（第2版）.吴昌悫，魏洪增编.北京：电子工业出版社.2013.8.[13]线性代数学习指导.赵春燕，单净，王麟编.哈尔滨：哈尔滨工程大学出版社.2012.2.[14]矩阵论.张凯院等编.北京：科学出版社.2013.[15]矩阵论导教·导学·导考.张凯院，徐仲编.西安：西北工业大学出版社.2014.8.[16]矩阵函数与矩阵方程.柏兆俊，高卫国，苏仰锋编.北京：高等教育出版社.2015.5.[17]矩阵分析.姜志侠，孟品超，李延忠编.北京：清华大学出版社.2015.[18]矩阵论札论.梁昌洪编.北京：科学出版社.2014.[19]线性代数及其应用.马新顺，王涛，郭燕编.北京：高等教育出版社.2014.7.[20]矩阵论引论.田振际，王永铎，吴德军编.北京：科学出版社.2013.[21]线性代数及其应用（第2版）.河北农业大学理学院编.北京：高等教育出版社.2006.11.（2015.2重印）.[22]线性代数及其应用.王坤龙编.北京：电子工业出版社.2014.10.[23]线性代数（第2版）.许峰，范爱华编.合肥：中国科学技术大学出版社.2013.4.[24]线性代数及其应用.俞方元编.上海：同济大学出版社.2014.8.[25]线性代数学习指导.谢政，陈挚编.北京：清华大学出版社.2012.10.[26]高等线性代数学.黎景辉，白正简，周国晖编.北京：高等教育出版社.2014.9.[27]线性代数讲义.江惠坤，邵荣，范红军编.北京：科学出版社.2013.[28]线性代数.贾屹峰编.上海：上海交通大学出版社.2012.[29]线性代数.侯亚君，艾玲，沙萍，林洪娟编.北京：机械工业出版社.2012.1（2012.7重印）.[30]线性代数.郝秀敏，姜庆华编.北京：经济科学出版社.2013.7.[31]线性代数.韩旸，王静宇，周莉编.北京：化学工业出版社.2013.8.[32]线性代数重点难点考点辅导与精析.高淑萍，张剑湖编.西安：西北工业大学出版社.2014.5.[33]线性代数.傅媛编.武汉：武汉大学出版社.2013.2（2013.11重印）.[34]跟我学线性代数：导学与习题精解.董晓波编.北京：机械工业出版社.2014.1.[35]线性代数同步学习辅导.陈绍林，唐道远编.北京：科学出版社，2014.7.[36]线性代数及应用.刘三明编.南京：南京大学出版社.2012.8.[37]线性代数.谭福锦，黎进香编.北京.人民邮电出版社.2012.8.[38]工程数学.线性代数（第6版）.同济大学数学系编.北京：高等教育出版社.2014.6.[39]矩阵分析与计算.李继根，张新发编.武汉：武汉大学出版社.2013.10.[40]矩阵计算的理论与方法.徐树方编.北京：北京大学出版社.1995.8.[41]矩阵分析及其应用.曾祥金，吴华安编.武汉：武汉大学出版社.2007.8.[42]矩阵理论与应用.张跃辉编.北京：科学出版社.2011.8.致谢通过一个月来不断的努力，终于完成了这篇毕业论文。

kronecker积的行列式摘要：1.引言2.Kronecker 积的定义3.Kronecker 积的性质4.Kronecker 积的行列式5.应用与实际意义6.总结正文：在线性代数中，我们经常会遇到矩阵的运算，其中一个重要的概念就是Kronecker 积。

Kronecker 积在许多数学和工程问题中都有广泛的应用，尤其是在处理张量运算和计算复杂网络的稳定性时。

本文将详细介绍Kronecker 积的定义、性质、行列式以及其在实际问题中的应用。

首先，我们来了解Kronecker 积的定义。

给定两个矩阵A 和B，Kronecker 积记作AB，是一个新的矩阵，其元素为A 和B 对应元素的乘积。

具体地，设A = [a11, a12, ..., a1n]、B = [b11, b21, ..., bm1]，那么AB = [a11b11, a11b21, ..., a1nbm1]。

接着，我们来看Kronecker 积的一些性质。

首先，Kronecker 积满足交换律，即AB = BA。

其次，Kronecker 积也满足结合律，但需要注意的是，结合律仅在特定的条件下成立。

此外，Kronecker 积还满足分配律，即(A + B)C = AC + BC。

在了解了Kronecker 积的定义和性质之后，我们来探讨Kronecker 积的行列式。

设A 和B 是n 阶方阵，C = AB，那么C 的行列式|C|可以表示为n!|A|·|B|，其中|A|和|B|分别是矩阵A 和B 的行列式。

这个结论可以通过矩阵的行列式定义以及代数余子式的方法来证明。

最后，我们来看一下Kronecker 积在实际问题中的应用。

在处理张量运算时，Kronecker 积提供了一种便捷的方式，可以将张量的某些分量相互联系起来。

此外，在计算复杂网络的稳定性时，Kronecker 积可以帮助我们更好地描述网络中的元素关系，从而为分析网络的稳定性提供有力的工具。

张量kronecker符号张量Kronecker符号，又称为Kronecker delta符号，是数学中的一种特殊符号。

它由德国数学家利奥波德·克罗内克在19世纪引入，并以他的名字命名。

张量Kronecker符号在线性代数、矩阵论和微积分等领域中有着广泛的应用。

首先，我们来了解一下张量的概念。

在数学中，张量是一个多维数组，它可以用来表示向量、矩阵等。

张量的维数可以是任意的，例如，一维张量是一个向量，二维张量是一个矩阵。

张量的元素可以是实数或复数。

张量Kronecker符号是一个二维张量，它的元素满足以下条件：当两个下标相等时，元素的值为1，否则为0。

具体来说，对于i、j两个下标，张量Kronecker符号的定义如下：δ_ij = 1，当i = j；δ_ij = 0，当i ≠ j。

在实际应用中，张量Kronecker符号可以用来表示两个向量或矩阵之间的关系。

例如，假设有两个n维向量A和B，它们的元素分别为A_i和B_j。

那么，两个向量的内积可以表示为：A·B = A_i B_i = δ_ij A_i B_j。

这个式子的含义是，两个向量的内积等于它们对应元素的乘积之和。

其中，δ_ij起到了一个关键的作用，它使得内积的计算变得简洁而优雅。

除了在向量运算中的应用，张量Kronecker符号还在矩阵论中起到了重要的作用。

例如，矩阵的转置运算可以用张量Kronecker符号表示。

假设有一个n×m的矩阵A，那么它的转置矩阵可以表示为：(A^T)_ij = δ_ij A_ji。

这个式子的含义是，转置矩阵的第i行第j列的元素等于原矩阵的第j行第i 列的元素。

这样，我们可以用张量Kronecker符号将转置运算简洁地表示出来。

除了上述应用外，张量Kronecker符号还在微积分中有重要的应用。

例如，它可以用来表示矢量的叉乘运算。

假设有两个三维矢量A和B，那么它们的叉乘可以表示为：A×B = ε_ijk A_i B_j e_k。

Greek alphabetΑαAlpha ΝνNu ΒβBeta ΞξXi ΓγGamma ΟοOmicron ΔδDelta ΠπPi ΕεEpsilon ΡρRho ΖζZeta ΣσςSigma ΗηEta ΤτTau ΘθTheta ΥυUpsilon ΙιIota ΦφPhi ΚκKappa ΧχChi ΛλLambda ΨψPsi ΜµMuΩωOmegaHistoryArchaic local variants · ···· Ligatures (ϛ, ȣ, ϗ) · Diacritics Numerals: (6) · (90) ·(900)In other languages Bactrian · Coptic · AlbanianScientific symbolsBook ·Category ·CommonsGreek letters used in mathematics, science, and engineeringFrom Wikipedia, the free encyclopediaGreek letters are used in mathematics, science, engineering, and other areas where mathematical notation is used as symbols for constants, special functions, and also conventionally for variables representing certain quantities. In these contexts, the capital letters and the small letters represent distinct and unrelated entities. ThoseGreek letters which have the same form as Latin letters are usually not used: capital A,B, E, H, I, K, M, N, O, P, T, X, Y, Z. Small ι (iota), ο (omicron) and υ (upsilon) are also rarely used, since they closely resemble the Latin letters i, o and u. Sometimes font variants of Greek letters are used as distinct symbols in mathematics, in particular for φ (phi) and π (pi).In mathematical finance, the Greeks are the variables denoted by Greek letters used to describe the risk of certain investments.English-speaking mathematicians use neither the modern nor the historical Greek pronunciations of the names of the letters, but the traditional English pronunciation,e.g. /ˈθeɪtə/ for θ, cf. ancient [tʰɛ̂ːta] and modern [ˈθita].Contents1 Typography2 Concepts represented by a Greek letter2.1 Αα (alpha)2.2 Ββ (beta)2.3 Γγ (gamma)2.4 Δδ (delta)2.5 Εε (epsilon)2.6 Ϝϝ (digamma)2.7 Ζζ (zeta)2.8 Ηη (eta)2.9 Θθ (theta)2.10 Ιι (iota)2.11 Κκ (kappa)2.12 Λλ (lambda)2.13 Μµ (mu)2.14 Νν (nu)2.15 Ξξ (xi)2.16 Οο (omicron)2.17 Ππ (pi)2.18 Ρρ (rho)2.19 Σσ (sigma)2.20 Ττ (tau)2.21 Υυ (upsilon)2.22 Φφ (phi)2.23 Χχ (chi)2.24 Ψψ (psi)2.25 Ωω (omega)3 See also 4 ReferencesTypographyThe Greek letter forms used in maths are often different from those used in Greek-language text: they are designed to be usedThe Greek letter forms used in maths are often different from those used in Greek-language text: they are designed to be used in isolation, not connected to other letters, and some use variant forms which are not normally used in current Greek typography.The OpenType font format has the feature tag 'mgrk' "Mathematical Greek" to identify a glyph as representing a Greek letter to be used in mathematical (as opposed to Greek language) contexts.The table below shows a comparison of Greek letters rendered in TeX and HTML. The font used in the TeX rendering is an italic style. This is in line with the convention that variables should be italicized. As Greek letters are more often than not used as variables in mathematical formulas, a Greek letter appearing similar to the TeX rendering is more likely to be encountered in works involving mathematics.Greek lettersName TeX HTML Name TeX HTML Name TeX HTML Name TeX HTML Name TeX HTML AlphaΑαDigammaϜϝKappaΚκOmicronΟοUpsilonΥυBetaΒβZetaΖζLambdaΛλPiΠπϖPhiΦϕφGammaΓγEtaΗηMuΜµRhoΡρϱChiΧχDeltaΔδThetaΘθϑNuΝνSigmaΣσςPsiΨψEpsilonΕϵεIotaΙιXiΞξTauΤτOmegaΩωConcepts represented by a Greek letterΑα (alpha)α represents:the first angle in a triangle, opposite the side Aone root of a quadratic equation, where β represents the otherthe ratio of collector current to emitter current in a bipolar junction transistor (BJT) in electronicsthe statistical significance of a resultthe false positive rate in statisticsthe reciprocal of the sacrifice ratiothe fine structure constant in physicsthe angle of attack of an airplanean alpha particle (He2+)angular acceleration in physicsthe linear thermal expansion coefficientthe thermal diffusivitythe alpha carbon is the first carbon after the carbon that attaches to a functional group in organic chemistrythe α-carbon is the backbone carbon next to the carbonyl carbon in amino acidsright ascension in astrometryΒβ (beta)Β represents the beta functionβ represents:the second angle in a triangle, opposite the side Bone root of a quadratic equation, where α represents the otherthe ratio of collector current to base current in a bipolar junction transistor (BJT) in electronics (current gain)the false negative rate in statisticsthe beta coefficient, the non-diversifiable risk, of an asset in mathematical financethe sideslip angle of an airplanethe first-order effects of variations in Coriolis force with latitude in planetary dynamicsa beta particle (e-)sound intensityvelocity divided by the speed of light in special relativitythe beta brain wave in brain or cognitive sciencesecliptic latitude in astrometryecliptic latitude in astrometryΓγ (gamma)Γ represents:the reflection coefficient of a transmission or telecommunication line.the confinement factor of an optical mode in a waveguidethe gamma function, a generalization of the factorialthe upper incomplete gamma functionthe modular group, the group of fractional linear transformationsthe gamma distribution, a continuous probability distribution defined using the gamma functionsecond-order sensitivity to price in mathematical financethe Christoffel symbols of the second kindγ represents:the partial safety factors applied to loads and materials in structural engineeringthe specific weight of substancesthe lower incomplete gamma functionthe third angle in a triangle, opposite the side Cthe Euler-Mascheroni constant in mathematicsgamma rays and the photonthe heat capacity ratio in thermodynamicsthe Lorentz factor in special relativitythe damping constant (kg/s)Δδ (delta)Δ represents:a finite differencea difference operatora symmetric differencethe Laplace operatorthe angle that subtends the arc of a circular curve in surveyingthe determinant of an inverse matrix[1]the maximum degree of any vertex in a given graphthe difference or change in a given variable, e.g. ∆v means a difference or change in velocitysensitivity to price in mathematical financedistance to Earth, measured in astronomical unitsheat in a chemical formulathe discriminant in the quadratic formula which determines the nature of the rootsthe degrees of freedom in a non-pooled statistical hypothesis test of two population means δ represents:a variation in the calculus of variationsthe Kronecker delta functionthe force of interest in mathematical financethe Dirac delta functionthe Skorokhod integral in Malliavin calculus, a subfield of stochastic analysisthe minimum degree of any vertex in a given grapha partial charge. δ- represents a negative partial charge, and δ+ represents a positive partial chargechemistry (See also: Solvation)declination in astrometrythe Turner Function in computational material sciencenoncentrality measure in statistics[2]Εε (epsilon)ε represents:a small positive quantity; see limita small positive quantity; see limita random error in regression analysisin set theory, the limit ordinal of the sequencein computer science, the empty stringthe Levi-Civita symbolin electromagnetics, dielectric permittivityemissivitystrain in continuum mechanicspermittivitythe Earth's axial tilt in astrometryelasticity in economicsexpected value in probability theory and statisticselectromotive forceset membership symbol ∈ is based on εϜϝ (digamma)Ϝ is sometimes used to represent the digamma function, though the Latin letter F (which is nearly identical) is usually substituted.Ζζ (zeta)ζ represents:the Riemann zeta function and other zeta functions in mathematicsthe coefficient of viscous friction in polymer dynamicsthe damping ratiorelative vertical vorticity in fluid dynamicsΗη (eta)η represents:the intrinsic impedance of medium (usually free space)the partial regression coefficient in statisticselasticities in economicsthe absolute vertical vorticity (relative vertical vorticity + Coriolis effect) in fluid dynamicsan index of refractiona type of mesonviscosityefficiencythe Minkowski metric tensor in relativitynoise in communication system modelsΘθ (theta)Θ represents:an asymptotically tight bound related to big O notation.sensitivity to the passage of time in mathematical financeΘ (set theory), a certain ordinal numberθ represents:a plane angle in geometrythe angle to the x axis in the xy-plane in spherical or cylindrical coordinatespotential temperature in thermodynamicsthe mean time between failure in reliability engineeringsoil water contents in soil scienceDebye temperaturetheta functionssometimes also ϑ ("script theta"), cursive form of theta, often used in handwritingsometimes also ϑ ("script theta"), cursive form of theta, often used in handwritingthe first Chebyshev function in number theoryΙι (iota)ι represents:the index generator function in APL (in the form ⍳)Κκ (kappa)κ represents:the Von Kármán constantthe kappa curvethe condition number of a matrix in numerical analysisthe connectivity of a graph in graph theorycurvaturedielectric constant (ε / ε0)thermal conductivity (usually a lowercase Latin k)thermal diffusivitya spring constant (usually a lowercase Latin k)the heat capacity ratio in thermodynamics (usually γ)Λλ (lambda)Λ represents:the von Mangoldt function in number theorythe set of logical axioms in the axiomatic method of logical deduction in first-order logicthe cosmological constanta type of baryona diagonal matrix of eigenvalues in linear algebrathe permeance of a material in electromagnetismλ represents:one wavelength of electromagnetic radiationthe decay constant in radioactivityfunction expressions in the lambda calculusa general eigenvalue in linear algebrathe expected number of occurrences in a Poisson distribution in probabilitythe arrival rate in queueing theorythe average lifetime or rate parameter in an exponential distribution (commonly used across statistics,physics, and engineering)the failure rate in reliability engineeringthe mean or average value (probability and statistics)the latent heat of fusionthe lagrange multiplier in the mathematical optimization method, known as the shadow price in economicsthe Lebesgue measure denotes the volume or measure of a Lebesgue measurable setlongitude in geodesylinear densityecliptic longitude in astrometrythe Liouville function in number theorythe Carmichael function in number theorya unit of measure of volume equal to one microlitre (1 µL) or one cubic millimetre (1 mm³)the empty string in formal grammarΜµ (mu)µ represents:the Möbius function in number theorythe ring representation of a representation modulethe ring representation of a representation modulethe population mean or expected value in probability and statisticsa measure in measure theorymicro-, an SI prefix denoting 10−6 (one millionth)the coefficient of friction in physicsthe service rate in queueing theorythe dynamic viscosity in physicsmagnetic permeability in electromagneticsa muonreduced masschemical potential in condensed matter physicsΝν (nu)ν represents:frequency in physics in hertz (Hz)Poisson's ratio in material sciencea neutrinokinematic viscosity of liquidsstoichiometric coefficient in chemistrydimension of nullspace in mathsΞξ (xi)Ξ represents:the grand canonical ensemble found in statistical mechanicsa type of baryonξ represents:a random variable.the extent of a chemical reactioncoherence lengththe damping ratiouniversal setΟο (omicron)Ο represents:big O notation (may be represented by an uppercase Latin O as well)Ππ (pi)Π represents:the product operator in mathematicsa planeπ represents:Archimedes' constant, the ratio of a circle's circumference to its diameterthe prime-counting functionprofit in microeconomics and game theoryinflation in macroeconomics, expressed as a constant with respect to timethe state distribution of a Markov chaina type of covalent bond in chemistry (pi bond)a pion (pi meson) in particle physicsin electronics, a special type of small signal model is referred to as a hybrid-pi model ϖ (a graphic variant, see pomega) represents:angular frequency of a wave, in fluid dynamics (angular frequency is usually represented by ω but thismay be confused with vorticity in a fluid dynamics context)longitude of pericenter, in celestial mechanics[3]longitude of pericenter, in celestial mechanics[3]comoving distance, in cosmology[4]Ρρ (rho)ρ represents:the radius in a polar, cylindrical, or spherical coordinate systemthe correlation coefficient in statisticsthe sensitivity to interest rate in mathematical financedensity (mass or charge per unit volume)resistivitythe shape and reshape operators in APL (in the form ⍴)the utilization in queueing theorythe rank of a matrixΣσ (sigma)Σ represents:the summation operatorthe covariance matrixthe set of terminal symbols in a formal grammarσ represents:Stefan's constant in blackbody radiationthe divisor function in number theorythe real part of the complex variable s = σ + i t in analytic number theorythe sign of a permutation in the theory of finite groupsthe population standard deviation or spread in probability and statisticsa type of covalent bond in chemistry (sigma bond)the selection operator in relational algebrastress in mechanicselectrical conductivityarea densitynuclear cross sectionuncertaintyutilization in operations managementsurface charge density for microparticlesΤτ (tau)τ (lower-case) represents:an interval of timea mean lifetimetorque, the rotational force in mechanicsthe elementary tau lepton in particle physicsthe lifetime of a spontaneous emission processthe time constant of any device, such as an RC circuitproper time in relativitya correlation coefficient — see Kendall's tauthe golden ratio 1.618... (although φ (phi) is more common)Ramanujan's tau function in number theoryin astronomy, a measure of opacity, or how much sunlight cannot penetrate the atmospherethe intertwining operator in representation theorythe tau in biochemistry, a protein associated to microtubulesshear stress in continuum mechanicsthe number of divisors of highly composite numbers (sequence A000005 in OEIS)the prefix of many stars, via the Bayer stellar designation systeman internal system step in transition systemsan internal system step in transition systemsa type variable in type theories, such as the simply typed lambda calculusτ has been suggested as a circle constant to replace pi and has a value of 6.283..., or 2×πΥυ (upsilon)Υ represents:an elementary particleΦφ (phi)Φ represents:the work function in physics; the energy required by a photon to remove an electron from the surface of ametalmagnetic fluxthe cumulative distribution function of the normal distribution in statisticsphenyl functional groupthe reciprocal of the golden ratio (represented by φ, below), also represented as 1/φnote: a symbol for the empty set, , resembles Φ but is not Φφ represents:the golden ratio 1.618... in mathematics, art, and architectureEuler's totient function in number theorya holomorphic map on an analytic spacethe argument of a complex number in mathematicsthe value of a plane angle in physics and mathematicsthe angle to the z axis in spherical coordinateslatitude in geodesya scalar fieldradiant fluxelectric potentialthe probability density function of the normal distribution in statisticsa feature of a syntactic node giving that node characteristics such as gender, number and person in syntax Χχ (chi)χ represents:the chi distribution in statistics (χ2 is the more frequently encountered chi-square distribution)the chromatic number of a graph in graph theorythe Euler characteristic in algebraic topologya variable in algebraic equationselectronegativity in the periodic tablethe Rabi frequencythe spinor of a fundamental particlethe Fourier transform of a linear response function (see susceptibility)a character in mathematics; especially a Dirichlet character in number theorythe Sigma vectors in the unscented transform used in the unscented Kalman filtersometimes the mole fractiona characteristic or indicator function in mathematicsΨψ (psi)Ψ represents:water potentiala quaternary combinator in combinatory logicψ represents:the wave function in the Schrödinger equation of quantum mechanicsthe stream function in fluid dynamicsthe stream function in fluid dynamicsyaw angle in vehicle dynamicsthe angle between the x-axis and the tangent to the curve in the intrinsic coordinates systemthe second Chebyshev function in number theoryΩω (omega)Ω represents:the Omega constantan asymptotic lower bound related to big O notationin probability theory and statistical mechanics, the set of possible distinct system statesthe SI unit measure of electric resistance, the ohmthe rotation rate of an object, particularly a planet, in dynamicsa solid anglea baryonthe arithmetic function counting a number's prime factorsthe right ascension of the ascending node in celestial mechanicsthe density parameter in cosmologyω represents:the first infinite ordinalthe set of natural numbers in set theory (although or N is more common in other areas of mathematics)an asymptotically dominant quantity related to big O notationin probability theory, a possible outcome of an experimentangular velocity / radian frequencya complex cube root of unity — the other is ω² — (used to describe various ways of calculating the discreteFourier transform)vertical velocity in pressure-based coordinate systems (commonly used in atmospheric dynamics)a mesonthe arithmetic function counting a number's distinct prime factorsa differential form (esp. on an analytic space)the argument of periapsis in celestial mechanicsthe symbol ϖ, a graphic variant of π, is sometimes construed as omega with a bar over it; see πSee alsoGreek alphabetEnglish pronunciation of Greek lettersA pronunciation guide with audio (/howto/The_Greek_Alphabet.html)Latin letters used in mathematicsMathematical alphanumeric symbolsTable of mathematical symbolsTypographical conventions in mathematical formulaeThe Greeks (Greek letters used in mathematical finance)References1. ^ /~igc/tch/eg1006/notes/node119.html2. ^ Applied Linear Statistical Models (5th ed.). Michael H. Kutner, Christopher J. Nachtsheim, John Neter, & William Li. NewYork: McGraw-Hill, 2005. ISBN 0-07-310874-X. xxviii + 1396 pp.3. ^ Pomega - from Eric Weisstein's World of Physics (/physics/Pomega.html)4. ^ Outline for Weeks 14&15, Astronomy 225 Spring 2008 (/~eskridge/astr225/week14.html) Retrieved from "/w/index.php?title=Greek_letters_used_in_mathematics,_science,_and_engineering&oldid=454000129"Categories: Mathematical notation Greek lettersThis page was last modified on 5 October 2011 at 00:18.Text is available under the Creative Commons Attribution-ShareAlike License; additional terms may apply. See Terms of use for details.Wikipedia® is a registered trademark of the Wikimedia Foundation, Inc., a non-profit organization.。

kronecker delta函数Kronecker Delta函数，又称Kronecker符号，是数学中的一个函数，用Δ表示。

它主要用于表示两个整数是否相等。

当两个整数相等时，Kronecker Delta函数的值为1；当两个整数不相等时，Kronecker Delta函数的值为0。

这个函数在数学和物理学中有着广泛的应用。

Kronecker Delta函数的定义是简单明了的，但它在数学和物理学中的应用却非常广泛。

首先，它在数学中用来表示线性代数中的向量和矩阵运算。

在矩阵乘法中，Kronecker Delta函数用来表示两个矩阵的相等性，从而方便地进行相关计算。

此外，在向量运算中，Kronecker Delta函数可以用来计算两个向量的内积和外积，进一步简化了向量的运算。

在物理学中，Kronecker Delta函数也有着重要的应用。

在电磁学中，Kronecker Delta函数可以用来表示电流分布和电荷分布的关系。

在量子力学中，Kronecker Delta函数则用来表示量子态之间的变换关系。

在统计物理学中，Kronecker Delta函数可以用来表示两个状态之间的转化概率。

正是由于Kronecker Delta函数的灵活性和简洁性，它在物理学中得到了广泛的应用。

除了数学和物理学领域外，Kronecker Delta函数在工程学和计算机科学中也有着重要的应用。

在信号处理中，Kronecker Delta函数可以用来表示离散时间信号的采样和重建过程。

在图像处理中，Kronecker Delta函数可以用来表示图像的像素点和滤波器的卷积操作。

在模式识别和机器学习中，Kronecker Delta函数可以用来表示特征之间的相似性和差异性。

尽管Kronecker Delta函数的定义非常简单，但它在数学和物理学中的广泛应用使其成为了一个重要的工具。

通过使用Kronecker Delta 函数，我们可以简化复杂的数学和物理问题，加快计算速度，提高计算精度。

kronecker积分解
Kronecker积分解是指将一个矩阵分解为Kronecker积的形式。

Kronecker积，也称为直积，是一种用于描述两个矩阵的运算，其
结果是一个新的大矩阵，其中每个元素都是原始矩阵对应元素的乘积。

Kronecker积分解是将一个大矩阵分解为两个小矩阵的Kronecker积的形式。

具体来说，对于两个矩阵A和B，它们的Kronecker积（记作A ⊗ B）是一个新的矩阵，其大小为mn和pq的矩阵的Kronecker积
定义为一个mpnq的矩阵，其中第(i,j)个元素为A的(i,j)元素乘以
B的所有元素。

Kronecker积分解可以帮助我们将一个大矩阵分解为两个小矩
阵的Kronecker积的形式，这种分解可以在一些矩阵计算和分析问
题中起到重要的作用。

在实际应用中，Kronecker积分解可以用于
压缩表示大型矩阵、求解线性方程组、求解特征值等问题。

在数学和工程领域，Kronecker积分解有着广泛的应用。

例如，在信号处理中，Kronecker积分解可以用于描述多维信号的卷积运算；在量子力学中，Kronecker积可以用于描述多粒子系统的状态
空间；在卷积神经网络中，Kronecker积可以用于描述卷积层和全连接层之间的关系等等。

总之，Kronecker积分解是一种重要的矩阵分解方法，它可以帮助我们理解和处理复杂的矩阵计算问题，具有广泛的应用价值。

克罗内克积的证明克罗内克积是一种矩阵运算，将两个矩阵按位置逐一相乘。

它是一种比较重要的运算，可以在矩阵乘法、信号处理、图像处理、量子力学等方面得到广泛的应用。

以下是克罗内克积的证明。

首先，我们设矩阵A的大小为mxn，矩阵B的大小为pxq。

那么，它们的克罗内克积C的大小就为(m*p) x (n*q)。

接下来，我们逐一证明克罗内克积的每个元素。

对于克罗内克积C的第i行第j列的元素Ci,j，根据定义可以得到：Ci,j = A(i,j) * B其中，B为矩阵B的所有元素，按一定顺序排列，具体顺序为B的第(i-1)*p+1行到第i*p行，第(j-1)*q+1列到第j*q列的所有元素，并且这些元素是在同一行向量中的。

但是，Ci,j的求解方式还可以用另一种形式表示，即：Ci,j = vec(A) ⊗ vec(B)其中vec(A)和vec(B)分别表示矩阵A和B的列向量化，⊗表示向量积。

即将矩阵A和B向量化后进行向量积，从而得到矩阵C。

根据这个式子，我们可以进一步证明克罗内克积的性质。

具体证明如下：首先，对于一个向量x和一个数a，我们有：vec(a*x) = a*vec(x)这是因为向量的线性运算可以满足这个式子。

然后，对于任意的两个矩阵A和B，以及任意的向量x和y，我们有：vec(A*x*y^T*B^T) = (B^T ⊗ A) * vec(x ⊗ y)其中^T表示矩阵的转置，⊗表示向量积。

这个式子的意义是，将向量x与y进行向量积，得到的向量再与矩阵B和A进行向量积，最后得到的是一个长度为(m*p)*(n*q)的向量。

这个向量的每个元素都是克罗内克积C的元素。

因此，我们可以看作是将原来的矩阵A和B分别向量化成列向量，然后对这些列向量进行向量积，即(B^T ⊗ A)，最后再用向量x ⊗ y进行积，得到最终的向量。

最后，我们将这个向量还原成mxn的矩阵C，就得到了克罗内克积。

综上所述，克罗内克积的证明过程包括以下两个方面：一是按照定义概念进行证明；二是从向量积的角度证明，用向量积的结果来构造矩阵C。

克罗内克符号的运算克罗内克符号（Kronecker Symbol）是一种在数学和物理领域中广泛应用的符号，主要用于表示张量、矩阵和向量的运算。

克罗内克符号的运算遵循一定的规则，下面我们将介绍克罗内克符号的运算方法。

设$a_i$ 和$b_j$ 是两个$n \times m$ 的矩阵，克罗内克符号表示为：$$a \otimesb = \begin{bmatrix}a_{11}b_{11} & a_{11}b_{12} & \cdots & a_{1m}b_{1m} \\a_{21}b_{21} & a_{21}b_{22} & \cdots & a_{2m}b_{2m} \\\vdots & \vdots & \ddots & \vdots \\a_{nn}b_{nn} & a_{nn}b_{n-1,n} & \cdots & a_{nn}b_{11}\end{bmatrix}$$克罗内克符号的运算主要有以下性质：1. 对称性：克罗内克符号满足对称性，即$a \otimes b = b \otimes a$。

2. 结合律：$(a \otimes b) \otimes c = a \otimes (b \otimes c)$。

3. 单位矩阵：$I \otimes A = A \otimes I = A$，其中$I$ 是单位矩阵，$A$ 是任意矩阵。

4. 零矩阵：$0 \otimes A = 0$，其中$0$ 是零矩阵，$A$ 是任意矩阵。

5. 转置：$(a \otimes b)^T = b^T \otimes a^T$。

6. 克罗内克符号与矩阵的乘法：$a \otimes b$ 表示的是矩阵$a$ 和$b$ 的克罗内克乘积，结果是一个$(n \times m) \times (m \times n)$ 的矩阵。